Microorganisms in wastewater treatment plants (WWTPs) are essential for water purification to protect public and environmental health. However, the diversity of microorganisms and the factors that control it are poorly understood. Using a systematic global-sampling effort, we analysed the 16S ribosomal RNA gene sequences from ~1,200 activated sludge samples taken from 269 WWTPs in 23 countries on 6 continents. Our analyses revealed that the global activated sludge bacterial communities contain ~1 billion bacterial phylotypes with a Poisson lognormal diversity distribution. Despite this high diversity, activated sludge has a small, global core bacterial community (n = 28 operational taxonomic units) that is strongly linked to activated sludge performance. Meta-analyses with global datasets associate the activated sludge microbiomes most closely to freshwater populations. In contrast to macroorganism diversity, activated sludge bacterial communities show no latitudinal gradient. Furthermore, their spatial turnover is scale-dependent and appears to be largely driven by stochastic processes (dispersal and drift), although deterministic factors (temperature and organic input) are also important. Our findings enhance our mechanistic understanding of the global diversity and biogeography of activated sludge bacterial communities within a theoretical ecology framework and have important implications for microbial ecology and wastewater treatment processes.

The rapid increase in both the quantity and complexity of data that are being generated daily in the field of environmental science and engineering (ESE) demands accompanied advancement in data analytics. Advanced data analysis approaches, such as machine learning (ML), have become indispensable tools for revealing hidden patterns or deducing correlations for which conventional analytical methods face limitations or challenges. However, ML concepts and practices have not been widely utilized by researchers in ESE. This feature explores the potential of ML to revolutionize data analysis and modeling in the ESE field, and covers the essential knowledge needed for such applications. First, we use five examples to illustrate how ML addresses complex ESE problems. We then summarize four major types of applications of ML in ESE: making predictions; extracting feature importance; detecting anomalies; and discovering new materials or chemicals. Next, we introduce the essential knowledge required and current shortcomings in ML applications in ESE, with a focus on three important but often overlooked components when applying ML: correct model development, proper model interpretation, and sound applicability analysis. Finally, we discuss challenges and future opportunities in the application of ML tools in ESE to highlight the potential of ML in this field.

The greater abundances of antibiotic resistance genes (ARGs) in point-of-use tap and reclaimed water than that in freshly treated water raise the question whether residual disinfectants in distribution systems facilitate the spread of ARGs. This study investigated three widely used disinfectants (free chlorine, chloramine, and hydrogen peroxide) on promoting ARGs transfer within Escherichia coli strains and across genera from Escherichia coli to Salmonella typhimurium. The results demonstrated that subinhibitory concentrations (lower than minimum inhibitory concentrations [MICs]) of these disinfectants, namely 0.1–1 mg/L Cl2 for free chlorine, 0.1–1 mg/L Cl2 for chloramine, and 0.24–3 mg/L H2O2, led to concentration-dependent increases in intragenera conjugative transfer by 3.4–6.4, 1.9–7.5, and 1.4–5.4 folds compared with controls, respectively. By comparison, the intergenera conjugative frequencies were slightly increased by approximately 1.4–2.3 folds compared with controls. However, exposure to disinfectants concentrations higher than MICs significantly suppressed conjugative transfer. This study provided evidence and insights into possible underlying mechanisms for enhanced conjugative transfer, which involved intracellular reactive oxygen species formation, SOS response, increased cell membrane permeability, and altered expressions of conjugation-relevant genes. The results suggest that certain oxidative chemicals, such as disinfectants, accelerate ARGs transfer and therefore justify motivations in evaluating disinfection alternatives for controlling antibiotic resistance. This study also triggers questions regarding the potential role of environmental chemicals in the global spread of antibiotic resistance.

Although widespread antibiotic resistance has been mostly attributed to the selective pressure generated by overuse and misuse of antibiotics, recent growing evidence suggests that chemicals other than antibiotics, such as certain metals, can also select and stimulate antibiotic resistance via both co-resistance and cross-resistance mechanisms. For instance, tetL, merE, and oprD genes are resistant to both antibiotics and metals. However, the potential de novo resistance induced by heavy metals at environmentally-relevant low concentrations (much below theminimum inhibitory concentrations [MICs], also referred as sub-inhibitory) has hardly been explored. This study investigated and revealed that heavy metals, namely Cu(II), Ag(I), Cr(VI), and Zn(II), at environmentally-relevant and sub-inhibitory concentrations, promoted conjugative transfer of antibiotic resistance genes (ARGs) between E. coli strains. The mechanisms of this phenomenon were further explored, which involved intracellular reactive oxygen species (ROS) formation, SOS response, increased cell membrane permeability, and altered expression of conjugation-relevant genes. These findings suggest that sub-inhibitory levels of heavy metals that widely present in various environments contribute to the resistance phenomena via facilitating horizontal transfer of ARGs. This study provides evidence from multiple aspects implicating the ecological effect of low levels of heavy metals on antibiotic resistance dissemination and highlights the urgency of strengthening efficacious policy and technology to control metal pollutants in the environments.

Abstract Microbial communities are responsible for biological wastewater treatment, but our knowledge of their diversity and function is still poor. Here, we sequence more than 5 million high-quality, full-length 16S rRNA gene sequences from 740 wastewater treatment plants (WWTPs) across the world and use the sequences to construct the ‘MiDAS 4’ database. MiDAS 4 is an amplicon sequence variant resolved, full-length 16S rRNA gene reference database with a comprehensive taxonomy from domain to species level for all sequences. We use an independent dataset (269 WWTPs) to show that MiDAS 4, compared to commonly used universal reference databases, provides a better coverage for WWTP bacteria and an improved rate of genus and species level classification. Taking advantage of MiDAS 4, we carry out an amplicon-based, global-scale microbial community profiling of activated sludge plants using two common sets of primers targeting regions of the 16S rRNA gene, revealing how environmental conditions and biogeography shape the activated sludge microbiota. We also identify core and conditionally rare or abundant taxa, encompassing 966 genera and 1530 species that represent approximately 80% and 50% of the accumulated read abundance, respectively. Finally, we show that for well-studied functional guilds, such as nitrifiers or polyphosphate-accumulating organisms, the same genera are prevalent worldwide, with only a few abundant species in each genus.

Abstract The enhanced biological phosphorus removal (EBPR) has been widely applied in treating domestic wastewater, while the performance on high-strength P wastewater is less investigated and the feasibility of coupling with short-cut nitrogen removal process remains unknown. This study first achieved the simultaneous high-efficient P removal and stable nitrite accumulation in one sequencing batch reactor for treating the synthetic digested manure wastewater. The average effluent P could be down to 0.8 ± 1.0 mg P/L and the P removal efficiency was 99.5 ± 0.8%. Candidatus Accumulibacter was the dominant polyphosphate accumulating organism (PAO) with the relative abundance of 14.2-33.1% in the reactor. Examination of the micro-diversity of Candidatus Accumulibacter using 16s rRNA gene-based oligotyping analysis revealed one unique Accumulibacter oligotype that different from the conventional system, which accounted for 64.2-87.9% of the total Accumulibacter abundance. The presence of high-abundant glycogen accumulating organisms (GAO) (15.6-40.3%, Defluviicoccus and Candidatus Competibacter) did not deteriorate the EBPR performance. Moreover, nitrite accumulation happened in the system with the effluent nitrite up to 20.4 ± 6.4 mg N/L and the nitrite accumulation ratio was nearly 100% maintained for 140 days (420 cycles). Nitrosomonas was the dominant ammonia-oxidizing bacteria with relative abundance of 0.3-2.4% while nitrite-oxidizing bacteria were almost undetected (<0.1%). The introduction of extended anaerobic phase and high volatile fatty acid concentrations were proposed to be the potential selector forces to promote partial nitrification. This is the first study that combined EBPR with nitrite-accumulation for digested manure wastewater treatment, and it provided new sights in strategies to combine the EBPR and short-cut nitrogen removal via nitrite to achieve simultaneous nitrogen and phosphorus removal.

Abstract Candidatus Accumulibacter phosphatis (CAP) and its sub-clades-level diversity has been associated and implicated in successful phosphorus removal performance in enhanced biological phosphorus removal (EBPR). Development of high-throughput untargeted methods to characterize clades of CAP in EBPR communities can enable a better understanding of Accumulibacter ecology at a higher-resolution beyond OTU-level in wastewater resource recovery facilities (WRRFs). In this study, for the first time, using integrated 16S rRNA gene sequencing, oligotyping and genome-resolved metagenomics, we were able to reveal clade-level differences in Accumulibacter communities and associate the differences with two different full-scale EBPR configurations. The results led to the identification and characterization of a distinct and dominant Accumulibacter oligotype - Oligotype 2 (belonging to Clade IIC) and its matching MAG (RC14) associated with side-stream EBPR configuration. We are also able to extract MAGs belonging to CAP clades IIB (RCAB4-2) and II (RC18) which did not have representative genomes before. This study demonstrates and validates the use of a high-throughput approach of oligotyping analysis of 16S rRNA gene sequences to elucidate CAP clade-level diversity. We also show the existence of a previously uncharacterized diversity of CAP clades in full-scale EBPR communities through extraction of MAGs, for the first time from full-scale facilities.

ABSTRACT Side-stream enhanced biological phosphorus removal process (S2EBPR) has been demonstrated to improve performance stability and offer a suite of advantages compared to conventional EBPR design. Design and optimization of S2EBPR require modification of the current EBPR models that were not able to fully reflect the metabolic functions of and competition between the polyphosphate-accumulating organisms (PAOs) and glycogen-accumulating organisms (GAOs) under extended anaerobic conditions as in the S2EBPR conditions. In this study, we proposed and validated an improved model (iEBPR) for simulating PAO and GAO competition that incorporated heterogeneity and versatility in PAO sequential polymer usage, staged maintenance-decay, and glycolysis-TCA pathway shifts. The iEBPR model was first calibrated against bulk batch testing experiment data, being proved to perform better than the previous EBPR model for predicting the soluble orthoP, ammonia, biomass glycogen, and PHA temporal profiles in a batch starvation testing under prolonged anaerobic conditions. We further validated the model with another independent set of batch anaerobic batch testing data that included high-resolution single-cell and specific population level intracellular polymer measurements enabled by the single-cell Raman micro-spectroscopy technique. The model accurately predicted the temporal changes in the intracellular polymers at cellular and population levels within PAOs and GAOs, and further confirmed the proposed mechanism of sequential polymer utilization, and polymer availability-dependent and staged maintenance-decay in PAOs. These results indicate that under extended anaerobic phases as in S2EBPR, the PAOs may gain competitive advantages over GAOs due to the possession of multiple intracellular polymers and the adaptive switching of the anaerobic metabolic pathways that consequently lead to the later and slower decay in PAOs than GAOs. The iEBPR model can be applied to facilitate and optimize the design and operations of S2EBPR for more reliable nutrient removal and recovery from wastewater.

Abstract Achieving mainstream short-cut nitrogen removal via nitrite has been a carbon and energy-efficient goal which wastewater engineers are dedicated to explore. This study applied a novel pilot-scale A-B-S2EBPR system process integrated with sidestream enhanced biological phosphorus removal) to achieve the nitrite accumulation and downstream anammox for treating municipal wastewater. Nitrite accumulated to 5.5 ± 0.3 mg N/L in the intermittently aerated tanks of B-stage with the nitrite accumulation ratio (NAR) of 79.1 ± 6.5%. The final effluent concentration and removal efficiency of total inorganic nitrogen (TIN) were 4.6 ± 1.8 mg N/L and 84.9 ± 5.6%, respectively. Batch nitrification/denitrification activity tests and functional gene abundance of ammonium oxidizing bacteria (AOB) and nitrite oxidizing bacteria (NOB) suggested that the nitrite accumulation was mostly caused by partial denitrification without NOB- selection. The unique features of S2EBPR (longer anaerobic HRT/SRT, lower ORPs, high and more complex VFAs etc.) seemed to impact the nitrogen microbial communities: the conventional AOB kept at a very low level of 0.13 ± 0.13% during the operation period, and the dominant candidate internal carbon-accumulating heterotrophic genera of Acinetobacter (17.8 ± 15.5)% and Comamonadaceae (6.7 ± 3.4%) were highly enriched. Furthermore, the single-cell Raman spectroscopy-based intracellular polymer analysis revealed the dominate microorganisms that could utilize polyhydroxyalkanoates (PHA) as the potential internal carbon source to drive partial denitrification. This study provides insights and a new direction for implementing the mainstream PdNA short-cut nitrogen removal via incorporating S2EBPR into sustainable A-B process.

ABSTRACT Rapid progress in various advanced analytical methods such as single-cell technologies enable unprecedented and deeper understanding of microbial ecology beyond the resolution of conventional approaches. A major application challenge exists in the determination of sufficient sample size without sufficient prior knowledge of the community complexity and, the need to balance between statistical power and limited time or resources. This hinders the desired standardization and wider application of these technologies. Here, we proposed, tested and validated a computational sampling size assessment protocol taking advantage of a metric, named kernel divergence. This metric has two advantages: First, it directly compares dataset-wise distributional differences with no requirements on human intervention or prior knowledge-based pre-classification. Second, minimal assumptions in distribution and sample space are made in data processing to enhance its application domain. This enables test-verified appropriate handling of datasets with both linear and non-linear relationships. The model was then validated in a case study with eight SCRS phenotyping datasets each sampled from a different enhanced biological phosphorus removal (EBPR) activated sludge community located across North America. The model allows the determination of sufficient sampling size for any targeted or customized information capture capacity or resolution level. For example, an approximated sampling size of 50 or 100 spectra for full-scale EBPR-related ecosystems at 5% or 2% OPU cluster resolution. Promised by its flexibility and minimal restriction of input data types, the proposed method is expected to be a standardized approach for sampling size optimization, enabling more comparable and reproducible experiments and analysis on complex environmental samples. Finally, these advantages exhibit the capability of generalizing to other single-cell technologies or environmental applications, provided that the input datasets contain only continuous features. TOC