抗生素和城市在专业方向上看似难以直接关联的两个术语，却分别在微观和宏观两个尺度上对人类健康和命运有着密不可分的相互作用。一方面，合理用于疾病治疗的抗生素，犹如人口数量剧增并得以向城市快速浓缩和聚居的“多功能催化剂”，如提高人口生育率、控制群居传染病和保障肉类食品供应等。另一方面，医疗和养殖等行业大量滥用的抗生素，造成土壤和水体等环境污染，导致抗生素抗性基因和耐药菌在环境的产生和传播，犹如遏制城市“环境-生物-人群”一体化健康的“无形杀手”，威胁着城市饮用水和食品安全等。因此，环境抗生素研究成为科学认知城市人类活动与各类自然生态系统和谐共生关系的一项基础性工作，其在环境科学领域科技期刊的报道呈现井喷式的增长。

　　荟萃有聚集优秀人才或会集精美物品之喻。数据蕴藏着科学知识的精华。数据荟萃是科技论文井喷时代对数据进行循环利用的关键技术，如对散落在不同论文中的数据进行重新汇集和洗涤，从而推动环境抗生素等新污染物的数据驱动型研究。科技论文井喷时代，正如我们所处的物质横流社会，不可避免产生一些所谓的“研究垃圾”，甚至导致一些关键数据被忽略、遗忘、误用或争议。然而，这些“研究垃圾”并非真正意义上的垃圾，而是放错或错配的数据资源，可在数据荟萃方法体系的支撑下加以循环利用，进而形成更系统的科学知识。就方法体系而言，“荟”和“萃”分别代表“化零为整”和“化繁为简”。其中，化零为整是指以特定主题检索获得的文本型数据集为对象，借助数字化工具提取原文中与主题相关的零散变量数据及其地理空间信息，整合形成数值型数据集。化繁为简是指以完整数据集为基础，采用信息配对的方式量化数据之间的关联性，以此在多个尺度上定量解析新污染物地理格局、形成机制和环境效应等关键科学问题。

　　海湾生态系统受滨海城市人类活动的直接影响并反过来间接制约着城市“环境-生物-人群”的一体化健康，由此享有滨海城市可持续发展“红绿信号灯”之美誉，是研究抗生素在环境中的分布特征、形成机制和健康风险的一类重要水体。鉴于此，中国科学院城市环境研究所等单位研究人员以海湾生态系统为案例构建了环境抗生素科学论文数据荟萃方法（图1），荟萃形成一套涵盖水体、沉积物和生物等多介质的海湾抗生素及其关联变量数据集。荟萃方法、数据集和分析结果以Distribution, transfer, ecological and human health risks of antibiotics in bay ecosystems为题发表在Environment International。

　　海湾抗生素数据荟萃方法包括论文过滤、数据分流和配对分析三个模块。其中，论文过滤模块是以“含有抗生素数据”为筛选条件，对以“海湾抗生素”为主题检索到的论文进行过滤；数据分流模块是以过滤得到的论文集为基础，借助图形数字化软件提取论文中抗生素和关联环境指标数据，并基于水体、沉积物和生物等介质类型对数据进行分流；配对分析模块是分别将抗生素浓度和种类等数据与地理空间信息、环境因子进行配对，以分析抗生素的地理格局与驱动因子、组成模式以及环境风险等。

　　海湾抗生素荟萃数据集的应用分析，在地理格局、共现特征和风险效应三个方面得到了相应的结果。海湾抗生素的丰度存在明显的区域差异，且丰度的高值区主要分布在东亚海湾。抗生素丰度的空间异质性与抗生素消费量、管理水平的地域不均衡性有关。水体中抗生素以磺胺类和大环内酯类为主，而沉积物中以四环素类、喹诺酮类和大环内酯类为主（图2）。抗生素组成模式的介质差异性主要归因于种类之间物理化学特征的变异，如水溶性、吸附性、稳定性等。磺胺甲噁唑、红霉素、克拉霉素和土霉素的生态风险较高，且红霉素的健康风险较高。从区域风险效应来看，应重点加强东亚海湾中红霉素、磺胺甲噁唑、土霉素和克拉霉素等抗生素的防控。

　　数据荟萃为理解海湾抗生素分布、组成和风险提供了一个新视角，然而目前可用数据的空间不均衡性和信息匹配的有限性，仍然是全球视角下研究海湾抗生素污染的瓶颈。就研究区域而言，当前海湾抗生素的调查观测主要集中在亚洲、欧洲和北美洲。大洋洲、南美洲和非洲对于抗生素的巨大需求潜力使其可能已经成为或将要成为海湾抗生素污染的重灾区，但目前这些地方仍是全球抗生素监测的空白区。对此，有必要在海湾新污染物相关国际合作研究中强化抗生素的数据观测和共享工作。就信息匹配度而言，当前观测体系较少关注抗生素关联数据，且不同研究之间关联指标的选取存在差异。因此，有必要加强全球尺度下海湾抗生素关键关联观测指标体系的一体化和标准化建设。

　　论文链接

图1：海湾抗生素数据荟萃方法体系

图2：海湾抗生素聚类分组（a:水；b:沉积物）和共现特征（c:水；d:沉积物）

相关资料：

1. Liu, D., Xu, Y.Y., Junaid, M., Zhu, Y.G., Wang, J. 2022. Distribution, transfer, ecological and human health risks of antibiotics in bay ecosystems. Environ. Int. 158, 106949.
2. Chalmers, I., Glasziou, P. 2009. Avoidable waste in the production and reporting of research evidence. Lancet 374, 86-89.
3. Christie, A.P., Abecasis, D., Adjeroud, M., et al. 2021. Quantifying and addressing the prevalence and bias of study designs in the environmental and social sciences. Nat. Commun. 11, 6377.
4. Culina, A., Crowther, T.W., Ramakers, J.J.C., Gienapp, P., Visser, M.E. 2018. How to do meta-analysis of open datasets. Nat. Ecol. Evol. 2, 1053-1056.
5. Fischbach, M.A., Walsh, C.T. 2009. Antibiotics for emerging pathogens. Science 325, 1089-1093.
6. Guo, Z.F., Boeing, W.J., Xu, Y.Y., Borgomeo, E., Mason, S.A., Zhu, Y.G. 2021. Global meta-analysis of microplastic contamination in reservoirs with a novel framework. Water Res. 207, 117828.
7. MacCoun, R., Perlmutter, S. 2015. Blind analysis: hide results to seek the truth. Nature 526, 187-189.
8. Martinez, J.L. 2008. Antibiotics and antibiotic resistance genes in natural environments. Nature 321, 365-367.
9. Purgar, M., Klanjscek, T., Culina, A. 2022. Quantifying research waste in ecology. Nat. Ecol. Evol. 6, 1390-1397.
10. Ross-Hellauer, T. 2022. Open science, done wrong, will compound inequities. Nature 603, 363.