The Impact of Intensive Fish Farming on Pond Sediment Microbiome and Antibiotic Resistance Gene Composition

Supplementary Table 1
), however, only one instance of
chrB
gene, coding for a regulator of Cr resistance operon, was detected
in U3 sample (not shown), which represents one of the most Cr
polluted areas in the ponds (
Figure 2
).
Since an important trait of both heavy metal resistance genes
and ARGs is their ability to be transferred between the organism
thus spreading the trait, we also tested the sediment samples
for the presence of integrons. Only integrase genes belonging
to class I were found in the sediment samples, spread evenly
between main ponds and unused ponds and also in the C1
sample, indicating the presence of mobile elements in the fishery
ponds as well as the adjacent areas.
DISCUSSION
In this study, we aimed to evaluate the condition of Simnas
fishery ponds, that have been used for aquaculture since 1964.
Only one main pond is currently used for fish farming, and
several smaller ones are still used as nurseries, therefore we had
an opportunity to see the differences in fishery pond sediments
composition under intense use vs. unused for several years.
Most of the tested heavy metal concentration mostly did not
exceed the MAC, only Co was detected up to 4-fold higher
concentrations than MAC. The highest concentrations of Co
and Cr was apparently due to railway line passing the fishery
ponds territory. However, increased concentrations of Cr were
also observed in small ponds used as nurseries (S1 and S2).
Increased concentrations of Cu and As were mostly dependent
on the descending relief of the ponds, concentrations increasing
where the sediments collect. Concentrations of heavy metals
in sediments of Simnas fishing ponds were similar to other
already investigated lakes in Lithuania, situated in a moderate
anthropogenic environment (
36
,
37
) and were much higher than
the background concentrations of natural and semi natural lakes
(
38
). Though the concentration in the fishery pond samples
did not exceed the MAC (
39
,
40
), the observed heavy metal
concentration could indicate the increase of over time is ongoing.
The presence of heavy metals in the environment is known
to be connected with ARG co-selection (
9
). Even present in low
levels, heavy metals and antibiotics could enhance the selection
of bacteria carrying ARGs (
41
). Oxytetracycline accumulation in
sediments has been reported at concentration levels of a few to
hundreds of
µ
g/kg in different water bodies (
42
,
43
), reaching
maximum concentration of hundreds
µ
g/kg d.w. was found in
sediments sampled near fish farms in Italy (
44
,
45
). However
Frontiers in Veterinary Science | www.frontiersin.org
7
May 2021 | Volume 8 | Article 673756

---

Lastauskien ˙e et al.
Fish Farming Microbiome and Resistome
FIGURE 3 |
Weighted relative abundance of micro-organisms in phylum
(left)
and class
(right)
level in sediment specimens. Both phylum and class named “(Others)”
represent relative abundance of the remaining phyla or classes besides the top 10 ones.
FIGURE 4 |
Microbial similarity (beta-diversity) of specimens expressed as Jaccard distances and represented as
(A)
a dendrogram and
(B)
principal coordinates plot.
The first three principal coordinates (PC) explain, respectively, 10.8, 8.4, and 7.1% of variance.
florfenicol and its metabolite florfenicol amine can be detected in
surface water but not in sediments of aquaculture systems (
45
).
Our testing for the residues of two antibiotics, that are allowed
for use in veterinary setting in Lithuania, also did not detect their
presence in the main pond sediments.
Our results show only a minor accumulation of heavy metals
and no substantial pollution with antibiotics, hopefully indicating
no additional pressure on ARG co-selection. However, one case
of Cr resistance gene was observed in the area of one of the
highest Cr concentrations, indicating further increase of heavy
metal concentration could push the microorganisms toward
obtaining heavy metal resistance genes, which could be followed
by co-selection of ARGs.
The
sediment
microbiome
analysis
revealed
that
Proteobacteria
are the most abundant phylum found in all
the sediment samples. Sediments from fishing ponds are
commonly characterized by high concentrations of organic and
inorganic substances. These substances settle to the bottom
of ponds together with fish feces and uneaten feed and cause
eutrophication of water bodies and depletion of oxygen. Our
findings are in agreement with other authors indicating that
Proteobacteria
is the most frequent phylum found in water bodies
and dominate between fishery ponds microorganisms (
46
,
47
).
Proteobacteria
in aquaculture are known as organic-degrading
microorganisms (
47
). Liu et al. found that
Proteobacteria
predominated in both water and sediment samples, regardless
Frontiers in Veterinary Science | www.frontiersin.org
8
May 2021 | Volume 8 | Article 673756

---

Lastauskien ˙e et al.
Fish Farming Microbiome and Resistome
FIGURE 5 |
Distribution of archaea phyla in each specimen of sediments.
FIGURE 6 |
The antibiotic resistance genes detected in the total DNA of fishery pond sediments. Black squares denote the gene was detected. The same samples
were tested for the presence of class I and II integrase genes, the presence of the genes is indicated by gray squares.
of the species farmed in the ponds and the aquaculture pattern.
meanwhile, discovered that the use of different fish feeds
also did not affect the dominance of
Proteobacteria
. The
second type of bacteria in terms of the highest abundance is
Actinobacteria
(mean 11.4%, SD
=
4.1%). These bacteria are
also commonly found in water bodies (
48
). In addition, the
abundance of
Actinobacteria
and
Firmicutes
is known to be
positively correlated with sediment pH (
46
,
49
).
Firmicutes
-type
bacteria were characteristic of all studied groups of the samples,
but most of them were detected in the BE1 sample (12.4%).
Meanwhile,
Chloroflexi
microorganisms abundant in all samples
play an important role in sediment carbon metabolism (
50
). An
equally important process is the oxidation of fish-toxic nitrites
to fewer toxic nitrates (
51
).
Nitrospirae
-type microorganisms are
known to be able to catalyze these oxidation reactions and were
found in all samples.
Analysis of the class structure in the samples revealed that
the dominant type of
Proteobacteria
consists of microorganisms
of
the
classes
Alfaproteobacteria
,
Betaproteobacteria
,
Gammaproteobacteria
, and
Deltaproteobacteria
. High abundance
of
Gammaproteobacteria
is associated with an environment
enriched with organic substances (
46
).
Deltaproteobacteria
also can be used as a bioindicator of organic compound
contamination.
Betaproteobacteria
, are known as nitrifying
Frontiers in Veterinary Science | www.frontiersin.org
9
May 2021 | Volume 8 | Article 673756

---

Lastauskien ˙e et al.
Fish Farming Microbiome and Resistome
bacteria, capable to oxidize potentially toxic ammonia to
non-toxic nitrates. This process is particularly important in
aquaculture ponds, where ammonia can reach concentrations
harmful to fish (
46
). It is important to note that very few
human pathogenic genera were identified in this study. Highest
abundance of family
Listeriaceae
were found in E2 (2.29%) and
B3 (2.50%) samples. In C1, B4, U6, U7, BE1 samples number
didn’t exceed 0.5% and
Listeriaceae
were not detected in the rest
of the sampling points.
Listeria monocytogenes
is reported to be
predominant in temperate aquaculture.
Listeria monocytogenes
can be found in lightly preserved or raw aquatic food products
and become the cause of human disease (
52
). Other genera
with the members exhibiting potential pathogenicity detected
in our research are
Bacillus
and
Pseudomonas
, but their relative
abundance in sediment samples is low.
The
Archaea
community analysis revealed the predominance
of
Archaea
belonging to phylum
Euryarchaeota, Crenarchaeota
,
and
Parvarchaeota.
The knowledge of uncultivated archaea,
previously known as extreme environment microorganisms,
revealed that they can be found in various environments from
extreme to ordinary (
53
). They are an important part of the
ecosystem capable of cycling of carbon, nitrogen, sulfur, and
others playing the important role in the biogeochemical cycle
of those elements (
54
). Many
Archaea
species are capable to fix
carbon from inorganic sources and can affect the dynamics and
balance of greenhouse effect related gases. Moreover,
Archaea
are the microorganisms capable to fulfill various metabolic
strategies using organic and/or inorganic electron donors and
acceptors (
55
).
ARG were not abundant in the fishery pond sediments,
most of the ARGs found were the ones conferring resistance to
tetracyclines, which could indicate the history of oxytetracycline
use. However, the presence of tetracycline resistance genes has
been previously observed also in pristine environments (
56
),
therefore the connection with veterinary antibiotic use need to
be analyzed further. A variety of aminoglycosides ARGs were
detected, which confer resistance to various aminoglycosides,
even the ones used in clinical setting (such as gentamicin,
amikacin, tobramicin), which could be a reason for concern.
However, the presence of three aminoglycoside genes in C1
sample, which was upstream from the fishery ponds, indicated
the ARGs could be present as components of naturally inhabiting
microorganisms. Our preliminary data indicate, aminoglycoside
ARGs can be found also in the water bodies higher upstream
from the fishery ponds, which would further confirm them being
a part of the natural microbiota. From
β
-lactam ARGs
tem
was
the most common, which has been observed elsewhere (
57
,
58
),
and one sediment sample (B7, located in the deepest part of
main pond) also had
shv
. The presence of
shv
in fishery farming
samples has also been reported previously (
57
). However, finding
ESBL gene in the environment could always be considered
a hazard due to the possibility of transferring it to humans
by means of fish produce. Interestingly,
tetM
,
ermC
were also
often found in the soil samples from Lithuanian farmland (
59
),
indicating the spread of such ARGs in Lithuania or a natural
habitat of the microorganism bearing them. The presence of
integrons was also checked. More than a half of tested sediment
samples contained integrons, as detected by the presence of
integrase (class I) genes, indicated that the discovered ARGs
could indeed be mobilized and transferred between the species,
including human pathogens.
Even though the heavy metal concentrations did not exceed
the MAC and residues of antibiotics were not detected, the
toxicity of the samples has been observed. Inhibition of
bacteria luminescence could be caused by mixtures of various
components, which are at MAC or lower concentrations.
Effects of elutriates and solid-phase reflect toxicity of water
soluble compounds and whole sediments containing adsorbed
chemicals, respectively. The determined toxicity of elutriates
was lower than of solid-phase, such differences in toxicity have
been observed earlier (
22
,
60
). The solid-phase EC
50
values (19–
63 mg/ml) were similar to sediment toxicity results observed
for contaminated river (
22
) and freshwater aquaculture (
61
).
More than two orders of magnitude lower solide-phase EC
50
values were determined for sediments of Atlantic coast of Spain
(ranged of 0.051–20.23 mg/ml) and was highly affected by sulfide
concentrations (
60
).
Altogether, no elevated heavy metal concentrations and
no substantial veterinary antibiotic pollution was detected in
Simnas fishery ponds. From the ARGs tested, the presence of
aminoglycoside and
β
-lactam resistance determinants as well as
the presence of integrons could be of concern. However, despite
the lack of heavy metal and antibiotic pollution, the toxicity
of the sediments and its cause should be explored more, as
other compounds causing it could be affecting the health of fish
population and consequently humans.
DATA AVAILABILITY STATEMENT
The datasets presented in this study can be found in
online repositories. The names of the repository/repositories
and accession number(s) can be found at: NCBI Bioproject
PRJNA715198.
AUTHOR CONTRIBUTIONS
EL: sample preparation, total genomic DNA extraction,
preparation of the manuscript, acquiring of funding, and
interpretation of the metagenome analysis results. VV:
sample collection and determination of the heavy metal
concentrations. JS: antibiotic detection. VK: toxicity analysis.
VG and JK: bioinformatic analysis of the metagenome data.
MR: supervision and acquiring funding. JA: supervision of
ARG detection, interpretation of antibiotic resistance results,
funding acquisition, and preparation of manuscript. All authors
contributed to the article and approved the submitted version.
FUNDING
This research was funded by a Grant (No. S-SIT-20-6) from the
Research Council of Lithuania.
Frontiers in Veterinary Science | www.frontiersin.org
10
May 2021 | Volume 8 | Article 673756

---

Lastauskien ˙e et al.
Fish Farming Microbiome and Resistome
ACKNOWLEDGMENTS
Authors would like to thank Radvil˙e Drevinskait˙e, Karina
Kasperoviˇci¯ut˙e, Karolina Sabait˙e, and Ieva Šˇcerba for excellent
technical assistance.
SUPPLEMENTARY MATERIAL
The Supplementary Material for this article can be found
online
at:
https://www.frontiersin.org/articles/10.3389/fvets.
2021.673756/full#supplementary-material
REFERENCES
1. Stankevica K, Klavins M, Rutina L, Cerina A. Lake Sapropel: a valuable
resource and indicator of lake development. In:
Advances in Environment,
Computational Chemistry and Bioscience
(2012). p. 247–52. Available
online
at:
http://www.wseas.us/e-library/conferences/2012/Montreux/
BIOCHEMENV/BIOCHEMENV-38.pdf
2. Wilkes H, Ramrath A, Negendank JFW. Organic geochemical evidence for
environmental changes since 34,000 yrs BP from Lago di Mezzano, central
Italy.
J Paleolimnol.
(1999) 22:349–65. doi: 10.1023/A:1008051821898
3. Stankevica K, Pujate A, Kalnina L, Klavins M, Cerina A, Drucka A. Records of
the anthropogenic influence on different origin small lake sediments of Latvia.
Baltica.
(2015) 28:135–50. doi: 10.5200/baltica.2015.28.12
4. Pundyte N, Baltrenaite E, Pereira P, Paliulis D. Anthropogenic effects
on heavy metals and macronutrients accumulation in soil and wood
of
Pinus sylvestris
L.
J Environ Eng Landsc Manage.
(2011) 19:34–
43. doi: 10.3846/16486897.2011.557473
5. Stepanauskas R, Glenn TC, Jagoe CH, Tuckfield RC, Lindell AH,
King CJ, et al. Coselection for microbial resistance to metals and
antibiotics in freshwater microcosms.
Environ Microbiol.
(2006) 8:1510–
4. doi: 10.1111/j.1462-2920.2006.01091.x
6. Seiler C, Berendonk TU. Heavy metal driven co-selection of antibiotic
resistance in soil and water bodies impacted by agriculture and aquaculture.
Front Microbiol.
(2012) 3:399. doi: 10.3389/fmicb.2012.00399
7. Wales AD, Davies RH. Co-selection of resistance to antibiotics, biocides and
heavy metals, and its relevance to foodborne pathogens.
Antibiotics.
(2015)
4:567–604. doi: 10.3390/antibiotics4040567
8. Li L-G, Xia Y, Zhang T. Co-occurrence of antibiotic and metal resistance
genes revealed in complete genome collection.
ISME J.
(2017) 11:651–
62. doi: 10.1038/ismej.2016.155
9. Pal C, Asiani K, Arya S, Rensing C, Stekel DJ, Larsson DGJ, et al. Metal
resistance and its association with antibiotic resistance.
Adv Microb Physiol.
(2017) 70:261–313. doi: 10.1016/bs.ampbs.2017.02.001
10. Commission Regulation (EU) No 37/2010.
On Pharmacologically Active
Substances and Their Classification Regarding Maximum Residue Limits in
Foodstuffs of Animal Origin.
(2010). Available online at: http://data.europa.
eu/eli/reg/2010/37(1)/oj (accessed April 23, 2021).
11. Commission Regulation No 470/2009.
Laying Down Community Procedures
for the Establishment of Residue Limits of Pharmacologically Active Substances
in Foodstuffs of Animal Origin, Repealing Council Regulation (EEC) No
2377/90 and Amending Directive 2001/82/EC of the European Parliament and
of the Council and Regulation (EC) No 726/2004 of the European Parliament
and of the Council.
(2009). Available online at: http://data.europa.eu/eli/reg/
2009/470/oj (accessed April 23, 2021).
12. Cannon M, Harford S, Davies J. A comparative study on the inhibitory
actions of chloramphenicol, thiamphenicol and some fluorinated derivatives.
J Antimicrob Chemother.
(1990) 26:307–17. doi: 10.1093/jac/26.3.307
13. Jerbi MA, Ouanes Z, Besbes R, Achour L, Kacem A. Single and combined
genotoxic and cytotoxic effects of two xenobiotics widely used in intensive
aquaculture.
Mutat Res.
(2011) 724:22–7. doi: 10.1016/j.mrgentox.2011.
04.010
14. Jerbi MA, Ouanes Z, besbes R, Haouas Z, Achour L, Kacem A. Single and
combined effects associated with two xenobiotics widely used in intensive
aquaculture on European sea bass (
Dicentrarchus labrax
).
Toxicol Lett.
(2011)
205:S119. doi: 10.1016/j.toxlet.2011.05.427
15. Lulijwa R, Rupia EJ, Alfaro AC. Antibiotic use in aquaculture, policies
and regulation, health and environmental risks: a review of the top
15 major producers.
Rev Aquacult.
(2020) 12:640–63. doi: 10.1111/raq.
12344
16. Daughton
CG.
Non-regulated
water
contaminants:
emerging
research.
Environ
Impact
Assessment
Rev.
(2004)
24:711–
32. doi: 10.1016/j.eiar.2004.06.003
17. Loos R, Marinov D, Sanseverino I, Napierska D, Lettieri T.
Review of the 1st
Watch List under the Water Framework Directive and recommendations for the
2nd Watch List
. EU Science Hub - European Commission (2018). Available
online
at:
https://ec.europa.eu/jrc/en/publication/review-1st-watch-list-
under-water-framework-directive-and-recommendations-2nd-watch-list
(accessed April 23, 2021).
18. Xiong W, Sun Y, Zhang T, Ding X, Li Y, Wang M, et al. Antibiotics,
antibiotic resistance genes, and bacterial community composition in fresh
water aquaculture environment in China.
Microb Ecol.
(2015) 70:425–
32. doi: 10.1007/s00248-015-0583-x
19. Yang J-F, Ying G-G, Zhao J-L, Tao R, Su H-C, Chen F. Simultaneous
determination
of
four
classes
of
antibiotics
in
sediments
of
the Pearl rivers using RRLC-MS/MS.
Sci
Total
Environ.
(2010)
408:3424–32. doi: 10.1016/j.scitotenv.2010.03.049
20. Montvydien˙e D, Šulˇcius S, Jurgel˙en˙e Ž, Makaras T, Kalcien˙e V,
Taraškeviˇcius R, et al. Contrasting ecotoxic effects of landfill leachate
and cyanobacterial biomass on aquatic organisms.
Water Air Soil Pollut.
(2020) 231:323. doi: 10.1007/s11270-020-04684-x
21. ˇCetkauskait˙e A, Braženait˙e J. Effects of mixtures of oleic acid with chlorinated
herbicides on
Vibrio fischeri
bacteria.
Biologija.
(2004) 4:36–9.
22. Jarque S, Masner P, Klánová J, Prokeš R, Bláha L. Bioluminescent
Vibrio fischeri
assays in the assessment of seasonal and spatial patterns
in toxicity of contaminated river sediments.
Front Microbiol.
(2016)
7:1738. doi: 10.3389/fmicb.2016.01738
23. Persoone G, Marsalek B, Blinova I, Törökne A, Zarina D, Manusadzianas
L, et al. A practical and user-friendly toxicity classification system with
microbiotests for natural waters and wastewaters.
Environ Toxicol.
(2003)
18:395–402. doi: 10.1002/tox.10141
24. Wear EK, Wilbanks EG, Nelson CE, Carlson CA. Primer selection
impacts
specific
population
abundances
but
not
community
dynamics in a monthly time-series 16S rRNA gene amplicon analysis
of
coastal
marine
bacterioplankton.
Environ
Microbiol.
(2018)
20:2709–26. doi: 10.1111/1462-2920.14091
25. Bukin YS, Galachyants YP, Morozov IV, Bukin SV, Zakharenko AS,
Zemskaya TI. The effect of 16S rRNA region choice on bacterial community
metabarcoding results.
Sci Data.
(2019) 6:190007. doi: 10.1038/sdata.2019.7
26. Martin M. Cutadapt removes adapter sequences from high-throughput
sequencing reads.
EMBnet J.
(2011) 17:10. doi: 10.14806/ej.17.1.200
27. Bolyen E, Rideout JR, Dillon MR, Bokulich NA, Abnet CC, Al-
Ghalith GA, et al. Reproducible, interactive, scalable and extensible
microbiome data science using QIIME 2.
Nat Biotechnol.
(2019) 37:852–
7. doi: 10.1038/s41587-019-0209-9
28. Callahan BJ, McMurdie PJ, Rosen MJ, Han AW, Johnson AJA, Holmes SP.
DADA2: High-resolution sample inference from illumina amplicon data.
Nat
Methods.
(2016) 13:581–3. doi: 10.1038/nmeth.3869
29. Katoh K, Standley DM. MAFFT multiple sequence alignment software version
7: improvements in performance and usability.
Mol Biol Evol.
(2013) 30:772–
80. doi: 10.1093/molbev/mst010
30. Price MN, Dehal PS, Arkin AP. FastTree 2 – approximately
maximum-likelihood trees for large alignments.
PLoS ONE.
(2010)
5:e9490. doi: 10.1371/journal.pone.0009490
31. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O, et al.
Scikit-learn: machine learning in python.
J Mach Learn Res.
(2011) 12:2825–
30. doi: 10.5555/1953048.2078195
32. DeSantis TZ, Hugenholtz P, Larsen N, Rojas M, Brodie EL, Keller
K, et al. Greengenes, a chimera-checked 16S rRNA gene database and
Frontiers in Veterinary Science | www.frontiersin.org
11
May 2021 | Volume 8 | Article 673756

---

Lastauskien ˙e et al.
Fish Farming Microbiome and Resistome
workbench compatible with AR.
Appl B Environ Microbiol.
72:5069–
72. doi: 10.1128/AEM.03006-05
33. Bokulich NA, Kaehler BD, Rideout JR, Dillon M, Bolyen E, Knight
R, et al. Optimizing taxonomic classification of marker-gene amplicon
sequences with QIIME 2’s q2-feature-classifier plugin.
Microbiome.
(2018)
6:90. doi: 10.1186/s40168-018-0470-z
34. Weiss S, Xu ZZ, Peddada S, Amir A, Bittinger K, Gonzalez A, et al.
Normalization and microbial differential abundance strategies depend upon
data characteristics.
Microbiome.
(2017) 5:27. doi: 10.1186/s40168-017-0237-y
35. Šeputien˙e V, Linkeviˇcius M, Bogdait˙e A, Povilonis J, Planˇci¯unien˙e
R, Giedraitien˙e A, et al. Molecular characterization of extended-
spectrum
β
-lactamase-producing
Escherichia
coli
and
Klebsiella
pneumoniae
isolates from hospitals in Lithuania.
J Med Microbiol.
(2010)
59:1263–5. doi: 10.1099/jmm.0.021972-0
36. Kozlovska J, Petraitis E, Valancius K, Grabas K. The distribution of heavy
metals in sediments in the lake Talksa of Lithuania. In:
8th International
Conference on Environmental Engineering, ICEE 2011.
Vilnius (2011).
37. Raulinaitis M, Ignataviˇcius G, Sinkeviˇcius S, Oškinis V. Assessment of heavy
metal contamination and spatial distribution in surface and subsurface
sediment layers in the northern part of Lake Babrukas.
Ekologija.
(2012)
58:33–43. doi: 10.6001/ekologija.v58i1.2348
38. Kad¯unas V, Budaviˇcius R, Gregorauskien˙e V, Katinas V, Brännvall E,
Radzeviˇcius A, et al.
Lietuvos Geocheminis Atlasas/Geochemical Atlas of
Lithuania
. Vilnius: Lietuvos Geologijos Tarnyba; Geologijos Institutas (1999).
39. Ministry of Environment of the Republic of Lithuania.
V-114
. (2004).
Available online at: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/TAIS.
228693/asr (accessed April 15, 2021).
40. Ministry of Environment of the Republic of Lithuania.
D1-1038.
(2014). Available online at: https://e-seimas.lrs.lt/portal/legalAct/lt/TAD/
94a1a32085ea11e495dc9901227533ee?jfwid=mmceorksx (accessed April 15,
2021).
41. Gullberg E, Albrecht LM, Karlsson C, Sandegren L, Andersson DI. Selection
of a multidrug resistance plasmid by sublethal levels of antibiotics and heavy
metals.
mBio.
(2014) 5:e01918–4. doi: 10.1128/mBio.01918-14
42. Chen Y, Chen H, Zhang L, Jiang Y, Gin KY-H, He Y. Occurrence, distribution,
and risk assessment of antibiotics in a subtropical river-reservoir system.
Water.
(2018) 10:104. doi: 10.3390/w10020104
43. Siedlewicz
G,
Białk-Bieli´nska
A,
Borecka
M,
Winogradow
A,
Stepnowski P, Pazdro K. Presence, concentrations and risk assessment
of selected antibiotic residues in sediments and near-bottom waters
collected from the Polish coastal zone in the southern Baltic Sea
— summary of 3years of studies.
Marine Pollution Bull.
(2018)
129:787–801. doi: 10.1016/j.marpolbul.2017.10.075
44. Lalumera GM, Calamari D, Galli P, Castiglioni S, Crosa G, Fanelli R.
Preliminary investigation on the environmental occurrence and effects
of antibiotics used in aquaculture in Italy.
Chemosphere.
(2004) 54:661–
8. doi: 10.1016/j.chemosphere.2003.08.001
45. Sargenti M, Bartolacci S, Luciani A, Di Biagio K, Baldini M, Galarini
R, et al. Investigation of the correlation between the use of antibiotics
in aquaculture systems and their detection in aquatic environments: a
case study of the nera river aquafarms in Italy.
Sustainability.
(2020)
12:5176. doi: 10.3390/su12125176
46. Qin Y, Hou J, Deng M, Liu Q, Wu C, Ji Y, et al. Bacterial abundance
and diversity in pond water supplied with different feeds.
Sci Rep.
(2016)
6:35232. doi: 10.1038/srep35232
47. Shen X, Xu M, Li M, Zhao Y, Shao X. Response of sediment
bacterial
communities
to
the
drainage
of
wastewater
from
aquaculture ponds in different seasons.
Sci Total Environ.
(2020)
717:137180. doi: 10.1016/j.scitotenv.2020.137180
48. Wei Y-M, Wang J-Q, Liu T-T, Kong W-W, Chen N, He X-Q, et al. Bacterial
communities of Beijing surface watersas revealed by 454 pyrosequencing
of the 16S rRNA gene.
Environ Sci Pollut Res Int.
(2015) 22:12605–
14. doi: 10.1007/s11356-015-4534-3
49. Deng Y, Zhou F, Ruan Y, Ma B, Ding X, Yue X, et al. Feed
types driven differentiation of microbial community and functionality
in marine integrated multitrophic aquaculture system.
Water.
(2020)
12:95. doi: 10.3390/w12010095
50. Hug LA, Castelle CJ, Wrighton KC, Thomas BC, Sharon I, Frischkorn KR, et
al. Community genomic analyses constrain the distribution of metabolic traits
across the Chloroflexi phylum and indicate roles in sediment carbon cycling.
Microbiome.
(2013) 1:22. doi: 10.1186/2049-2618-1-22
51. Robinson G, Caldwell GS, Wade MJ, Free A, Jones CLW, Stead SM.
Profiling bacterial communities associated with sediment-based aquaculture
bioremediation systems under contrasting redox regimes.
Sci Rep.
(2016)
6:38850. doi: 10.1038/srep38850
52. Jami M, Ghanbari M, Zunabovic M, Domig KJ, Kneifel W. Listeria
monocytogenes in aquatic food products—a review.
Comprehens Rev
Food Sci Food Safety.
(2014) 13:798–813. doi: 10.1111/1541-4337.
12092
53. Chaban B, Ng SYM, Jarrell KF. Archaeal habitats–from the extreme to the
ordinary.
Can J Microbiol.
(2006) 52:73–116. doi: 10.1139/w05-147
54. Offre P, Spang A, Schleper C. Archaea in biogeochemical cycles.
Annu
Rev Microbiol.
(2013) 67:437–57. doi: 10.1146/annurev-micro-092412-
155614
55. Fan X, Xing P. Differences in the composition of archaeal communities in
sediments from contrasting zones of Lake Taihu.
Front Microbiol.
(2016)
7:1510. doi: 10.3389/fmicb.2016.01510
56. Storteboom H, Arabi M, Davis JG, Crimi B, Pruden A. Identification of
antibiotic-resistance-gene molecular signatures suitable as tracers of Pristine
river, urban, agricultural sources.
Environ Sci Technol.
(2010) 44:1947–
53. doi: 10.1021/es902893f
57. Muziasari WI, Pärnänen K, Johnson TA, Lyra C, Karkman A, Stedtfeld RD, et
al. Aquaculture changes the profile of antibiotic resistance and mobile genetic
element associated genes in Baltic Sea sediments.
FEMS Microbiol Ecol.
(2016)
92:fiw052. doi: 10.1093/femsec/fiw052
58. Ture M, Altinok I, Alp H. Effects of cage farming on antimicrobial and
heavy metal resistance of
Escherichia coli, Enterococcus faecium, Lactococcus
garvieae
.
Microb Drug Resist.
(2018) 24:1422–30. doi: 10.1089/mdr.20
18.0040
59. Armalyt˙e J, Skerniškyt˙e J, Bakien˙e E, Krasauskas R, Šiugždinien˙e R, Kareivien˙e
V, et al. Microbial diversity and antimicrobial resistance profile in microbiota
from soils of conventional and organic farming systems.
Front Microbiol.
(2019) 10:892. doi: 10.3389/fmicb.2019.00892
60. Riba I, Casado-Martínez C, Forja JM, DelValls A. Sediment quality
in the Atlantic coast of Spain.
Environ Toxicol Chem.
(2004) 23:271–
82. doi: 10.1897/03-146
61. Lalonde BA, Garron C, Ernst B, Jackman P. Toxicity testing of freshwater
sediment collected near freshwater aquaculture facilities in the Maritimes,
Canada.
J Environ Sci Health A Tox Hazard Subst Environ Eng.
(2013)
48:1318–24. doi: 10.1080/10934529.2013.781865