微生物預測模型在食品行業(yè)的運用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了微生物預測模型在食品行業(yè)的運用范文，希望能給你帶來靈感和參考，敬請閱讀。

本文從微生物預測學概念入手并對其理論和發(fā)展進行總結(jié)，從而引出微生物預測模型的演變與建立，最后對微生物預測模型在食品工業(yè)中的應用介紹，旨在對微生物預測模型進行概念化和技術(shù)化的概括，讓更多的人認識和了解微生物預測模型技術(shù)，從而將其應用到實際生產(chǎn)流通過程中，增加我國食品安全監(jiān)測手段，提高食品工業(yè)加工技術(shù)水平。

預測微生物學

預測微生物學是將特定條件下的食品微生物生長、繁殖、殘存和死亡等反應進行細化，并結(jié)合計算機技術(shù)、數(shù)理統(tǒng)計和微生物知識，客觀地評價食品在加工、流通和貯藏等條件下的食品質(zhì)量安全和貨架期[2]。相比其他傳統(tǒng)微生物對食品質(zhì)量和貨架期的檢測指標，微生物預測學對食品和微生物間關(guān)系分析更加透徹。根據(jù)不同食品的加工、流通和貯藏情況，結(jié)合食品所處的外界特征及條件，能夠在不進行微生物檢測的情況下更快速的對食品的安全性和貨架期進行預測，從而對食品的質(zhì)量和安全做出快速反應和預測[3,4]。預測微生物學的產(chǎn)生為保證食品質(zhì)量和安全性提供了量化的依據(jù)[5]。在預測微生物學創(chuàng)始之初，國內(nèi)外對預測微生物學的主要研究對象為食品致病微生物[6]，隨著食品企業(yè)對食品自身的品質(zhì)關(guān)注度增大，預測微生物模型逐漸發(fā)展到食品腐敗微生物[7]。由于微生物預測模型誤差小于微生物實驗室所帶來的誤差，這也使得微生物預測模型在食品工業(yè)和食品檢測領域應用更加廣泛[8]。

微生物預測模型的分類及發(fā)展

微生物預測模型有多種分類方法。依據(jù)描述微生物的情況，分為描述微生物生長的數(shù)學模型和描述微生物失活的數(shù)學模型；依據(jù)基礎數(shù)學建立的模型分為概率型模型和動力學模型[9~10]。Buchanan[11]基于變量類型把模型分為三個層次：初級模型(PrimaryLevelModels)指在特定培養(yǎng)條件下，微生物生長/存活與時間的反應；二級模型(SecondaryLevelModels)指參數(shù)與環(huán)境變量對微生物生長/存活特性的關(guān)系；三級模型(TertiaryLevels)指將初級模型和二級模型通過計算機軟件形式合并的模型形式。

1初級模型

初級模型主要是描述特定條件下，微生物生長與時間的關(guān)系。初級模型可以通過等式或方程形式量化并預測菌落單位(CFU/mL)、毒素形成、底物水平和代謝產(chǎn)物。初級模型是計算機建模的基礎。通過記錄特定時間條件下，單位濃度的微生物對數(shù)變化，并根據(jù)特定時間條件下，單位濃度的微生物對數(shù)變化推導出一系列的線性關(guān)系。Baranyi[13]根據(jù)分枝桿菌(Mycobacterium)實驗[16]和在牛奶中分離單增李斯特菌(L.monocytogenes)10℃條件下貯藏的生長速率實驗[17]，提出微生物的生長速率是與微生物的生長時間有關(guān)的，并認為微生物特定條件下的生長速率應遵循μ=(dM/dt)/M。并在此基礎上，都驗證了公式的準確性。近年來，描述微生物初級模型的數(shù)學方程包括Gompertz方程，Logistic方程，Baranyi方程和Monod方程等[12~15]。隨著對微生物生長速率的進一步細化，初級模型得到了更深入的發(fā)展，Gompertz方程在對初級模型的描述和反映得到廣泛應用。Gibson等[18]首先將肉毒梭菌(C.botulinum)生長參數(shù)應用于Gompertz方程并進行擬合。得到方程，見公式(1)。Bratchell等[19]運用大量數(shù)據(jù)對公式(1)準確性進行驗證。結(jié)果發(fā)現(xiàn)，檢測指標超過10個點的微生物生長曲線與公式的擬合度較高。Buchanan等[20]在對單增李斯特菌(L.monocytogenes)穩(wěn)定期的微生物數(shù)量進行測定時發(fā)現(xiàn)，在NaCl，pH，溫度，亞硝酸鈉條件水平一定時，單增李斯特菌穩(wěn)定期時數(shù)量為109.2這一常數(shù)，這樣就將公式(1)中的a1重新定義為9.2-N0。這一理論的提出也使Gompertz方程的應用更加廣泛，也為二級模型和三級模型的計算奠定基礎。Nt=N0+a1exp(-exp(-a2(t-τ)))(1)

2二級模型

二級模型主要描述初級模型條件下的參數(shù)在不同環(huán)境條件下的反應。目前，二級模型中比較常見的方法有響應面法，Arrhenius模型和平方根模型。響應面法是通過一系列確定試驗，用多項式函數(shù)在失效概率上收斂于真實的隱形極限狀態(tài)函數(shù)。由于誤差平方和較小，這使得模型參數(shù)的對數(shù)值擬合度更高。同時，回歸方程可以推導出未知參數(shù)值，從而增大判斷實際數(shù)據(jù)的準確性。這些都使得響應面法在模型的建立和使用上得到廣泛的應用。Spencer[21]首次應用簡單的線性關(guān)系報道了-1℃~25℃條件下鮮魚的腐敗速率，并提出該條件下鮮魚的腐敗速率可以用公式(2)表示。至此，在初級模型建立基礎上，延伸的二階和多項參數(shù)的響應面法應用更加廣泛。Robert[22]模擬logistic方程中的參數(shù)Y，并提出多項式方程(3)，更多參數(shù)的提出與細化使得多參數(shù)研究加大[23~25]，也使得響應面法應用更加廣泛。Arrhenius模型最早應用于微生物模型時，主要是通過限制速率的酶促反應來計算微生物生長速率的，一些特定溫度條件下的微生物的生長曲線是運用分光光度法通過Arrhenius模型生成的[26]。Schoolfield等[27]重新修訂了早期的Arrhenius模型，將微生物的生長溫度延伸。同時取代酶促反應，擴大了微生物生長活力范圍，將微生物生長曲線推廣至低于微生物適宜生長溫度。Zwietering等[28]驗證了Schoolfield的理論，并應用修訂后的Gompertz方程成功描述了多參數(shù)條件下微生物生長情況。平方根模型方法主要根據(jù)生長速率和溫度的平方根的線性關(guān)系進行建立的。平方根模型最主要的特征就是當可以根據(jù)溫度變化來推導微生物生長速率[29]，見公式(4)。由于微生物生長達到T0溫度條件下很難觀察或生長。因此，平方根模型將溫度范圍重新擴增，見公式(5)。Gill[30]首先使用平方根模型對9種培養(yǎng)基培養(yǎng)下的大腸桿菌(E.Coli)生長速率進行檢驗。結(jié)果發(fā)現(xiàn)6種培養(yǎng)基條件下的大腸桿菌生長速率與平方根模型擬合效果差。然而，Gill堅持認為在某種特定的培養(yǎng)基條件下模型仍然可以準確描述微生物的生長速率。這一觀點的提出也使得平方根模型變化更加細致，根據(jù)aw，pH，溫度等參數(shù)的平方根模型相關(guān)研究也逐步開展。運用NaCl配置不同aw對木糖葡萄球菌(S.xylosus)進行培養(yǎng)，采用平方根模型推算在不同溫度條件下的生長速率，實驗結(jié)果均表現(xiàn)出良好的擬合度[31]。同時，相關(guān)實驗通過pH變化得出2種食源性微生物生長速率[32]。McMeekin等[33]綜合aw，pH，溫度等參數(shù)提出新的平方根模型，見公式(6)，這也是未來多參數(shù)模型構(gòu)建的基礎。

3三級模型

三級模型主要是根據(jù)計算機程序，集成初級模型和二級模型的數(shù)據(jù)，轉(zhuǎn)化成的一種微生物預測軟件。目前現(xiàn)有的微生物預測軟件主要有美國農(nóng)業(yè)部微生物食品安全研究中心的“PathogenModelingProgram”[34]；英國農(nóng)業(yè)、漁業(yè)和食品部開發(fā)的“FoodMicromodel”軟件[35]；澳大利亞Tasmania大學開發(fā)的多因子分析系統(tǒng)FSP等[36]；中國水產(chǎn)科學研究院東海水產(chǎn)研究所研發(fā)的羅非魚品質(zhì)控制“FishShelfLifePredictor”系統(tǒng)等[37]。

微生物預測模型在食品工業(yè)中的應用

微生物預測模型的構(gòu)建是從2個方向上發(fā)展的，即基于引起食品腐敗的特定腐敗微生物的預測模型和基于食品致病微生物生長因素的預測模型。前者的研究主要為食品貨架期預報和監(jiān)控，而后者的研究主要為食品致病微生物的安全監(jiān)測和管理。

1食品腐敗微生物預測模型在食品工業(yè)的應用

食品加工流通過程中可能會受到其他微生物的侵染，然而在貯藏一定條件下，特定腐敗微生物會在增殖過程中占領優(yōu)勢地位。同時，相同地域的同類產(chǎn)品中，特定腐敗微生物往往包括一種或幾種[7]。通過對特定腐敗微生物的生長趨勢進行分析就可以預測該產(chǎn)品的貨架期。郭全友等[38]基于大黃魚腐敗指數(shù)，對冷藏條件下大黃魚的貨架期進行分析。結(jié)果發(fā)現(xiàn)，0、5和10℃條件下冷藏大黃魚的貨架期為別為17.8±2.5、9.3±1.1和5.4±1.3d，在此條件下相對誤差為-6.1%-4.6%，可以有效快速的預測冷藏條件下大黃魚的貨架期。許鐘等[39]運用Gompertz方程構(gòu)建波動溫度條件下羅非魚的貨架期，相對誤差為-9.1%~5.9%，這都有效地評價了產(chǎn)品在特定條件下的貨架期。食品腐敗微生物預測模型的構(gòu)建大大增加了產(chǎn)品貨架預測的可信度，有利于產(chǎn)品質(zhì)量的控制與監(jiān)測，同時對產(chǎn)品開發(fā)過程中的工藝參數(shù)改良也起到一定的指導作用。然而食品腐敗微生物預測模型仍存在一定的問題。例如，目前對特定腐敗菌的預測模型及其相關(guān)研究對是針對嗜冷菌和中溫菌，貨架期模型也只限于魚類產(chǎn)品，不適于更多產(chǎn)品的推廣。另外，模型的構(gòu)建對實驗數(shù)據(jù)從量到質(zhì)都存在依賴。試驗中，對特定腐敗微生物感官拒絕點的控制較為主觀，這也使得對特定腐敗微生物的腐敗能力的界定存在不確定因素。加之試驗繁瑣，工作量大，而且大量數(shù)據(jù)僅以普通培養(yǎng)基獲得，這就可能造成微生物的真實生長數(shù)據(jù)出現(xiàn)偏差，使得貨架期的預測出現(xiàn)滯后性。這些問題都是今后食品腐敗微生物預測模型急需解決的。

2食品致病微生物預測模型在食品工業(yè)的應用

良好操作規(guī)范(GMP)及危害分析與關(guān)鍵控制點(HACCP)條款中明確規(guī)定食品加工過程中的可能產(chǎn)生的危害及其控制方法或限量實施，從而確保食品質(zhì)量安全。食品致病微生物預測模型的構(gòu)建對食品風險分析及食品質(zhì)量安全管理發(fā)揮重要作用[40]。通過分析食品致病微生物在不同條件下的生長、存活及消亡變化，估計出食品致病微生物的暴露水平及濃度水平，從而對致病微生物的食品中的分布及風險進行定量分析，進而得出食品的安全評價。趙瑞蘭對肉冷卻過程中的大腸桿菌的數(shù)目控制進行報道[41]。根據(jù)報道中預測模型計算，原料肉必須冷卻到7℃，且大腸桿菌的對數(shù)值要低于log1.5時不會造成危害。同時，F(xiàn)AO和WHO在2002年對雞肉及雞蛋中的沙門氏菌進行了風險評估[41]。通過對不同條件下沙門氏菌的暴露評估及隨機指標的推斷，將數(shù)據(jù)輸入相關(guān)的預測模型，得出反應模型的風險預測值，從而降低雞肉引起的疾病風險。食品致病微生物預測模型的構(gòu)建可以準確的評估加工過程對食品安全的影響程度，從而制定相應的HACCP體系管理標準；也可以為病原菌在食品中的分布及消費者的攝入量做出風險描述，從而對食品安全性進行定量評價。然而，目前的食品致病微生物預測模型只含蓋了特定操作條件下的模型，未將整個食品過程進行模擬，這就無法了解甚至解決食品安全問題。另外，目前的加工手段無法保證產(chǎn)品質(zhì)量的均一性，這就造成微弱的滅菌效果容易使食品存在安全隱患，從而影響食品致病微生物預測模型的準確與發(fā)展。

展望與總結(jié)

微生物預測模型的構(gòu)建對食品加工過程的規(guī)范控制與食品貨架期的評估是一種重要的工具。微生物預測模型的魅力在于運用已知數(shù)據(jù)去預測未來的發(fā)展趨勢，對實際生產(chǎn)和流通進行監(jiān)控[42]。近年來對微生物預測模型技術(shù)的研究取得一些進展，特別是在冷藏養(yǎng)殖魚類和冷藏肉類貨架期的預測模型上取得一定的成果。但是目前的研究方式仍很原始，微生物培養(yǎng)方式、微生物檢測方式和數(shù)據(jù)采集方式仍不能完全滿足模型的準確評估；在對多因素條件下的微生物預測效果不理想，延滯期系數(shù)預測不準確；在特定條件下，對微生物間的競爭及抑制關(guān)系考慮不準確，相關(guān)研究文獻介紹較少；未完全熱力失活/致死的微生物殘存的分布及積累形式掌握不明確；食品生產(chǎn)過程中特定腐敗微生物和致病微生物估計偏差較大等。這些問題都使得微生物預測模型在評估和建立時可能導致參數(shù)飽和或擬合情況不理想，這也是微生物預測模型未來的發(fā)展方向和研究重點。微生物預測模型是新型的量化微生物生長的評估工具。較傳統(tǒng)的檢測方法相比，預測模型的構(gòu)建可以節(jié)約大量時間和成本。微生物預測模型可以有效地預測食品加工和流通過程中的質(zhì)量安全并做出合理的判斷，為提高食品的貨架期和消費者對食品質(zhì)量安全信心提供有力的依據(jù)。同時，微生物預測模型也可以為產(chǎn)品開發(fā)和配方制定提供合理的工藝參數(shù)。（本文作者：遲海、李學英、楊憲時 單位：中國水產(chǎn)科學研究院東海水產(chǎn)研究所、農(nóng)業(yè)部東海與遠洋漁業(yè)資源開發(fā)利用重點實驗室）