）空气中总ARG（直方图）的相对丰度与检测到的ARG亚型数量（线）; （B）2018年2月6日至7日空气中前8种ARG亚型的相对丰度百分比。

图2. 较高的PM2.5污染事件（36-251μg/ m3）期间的ARG丰度和亚型（2018年3月10日，11日，12日和13日）。( A）空气中总ARG（直方图）的相对丰度与检测到的ARG亚型数（线）; （B）2018年3月10日至13日空气中前8种ARG亚型的相对丰度百分比。

图3. 不同采样时间的intl1和tnpA丰度的时间分辨变化

图4. 收集的空气样本中ARG亚型的共生基因网络：（A）2月6日至7日和（B）3月10日至13日。

2.不同可培养细菌对每种细菌的空气中的ARG贡献

ARGs的不同模式如tnpA丰度和细菌ARG贡献表明，对于不同的PM2.5水平，可能存在不同程度的基因转移和整合，从而在不同的空气污染事件下发生不同的空气ARG扩散模式。此外，与北京收集的细菌相比，来自石家庄的细菌分离物似乎贡献了更多的ARG。这些差异还表明，空气中ARG扩散除了时间依赖性之外，也可能与特定位置有关。

图5. 使用相同方法从北京(北京，2018年11月3日至4日，pm2.5 = 159–239 μg/m3)和石家庄(pm2.5 = 66–252 μg/m3，2018年11月2日至4日)获得的不同可培养细菌分离株对空气中ARG亚型的贡献不同。

结果总结

PM2.5水平越高，基因共现网络越复杂。在所有筛选的ARG中，sul3基因在可培养的菌株中广泛存在，主要是芽孢杆菌属。此外，TNPA和INTI1基因转移和整合在空气中呈现不同的扩散模式。数据还表明，芽孢杆菌可能对空气中的ARG动力学有重要贡献，包括多药耐药的ndm-1和vanb基因。这项工作进一步突出了在应对当前全球ARG危机时考虑其空中传播的重要性。