微生物预测预报

《微生物预测预报》由会员分享，可在线阅读，更多相关《微生物预测预报（13页珍藏版）》请在金锄头文库上搜索。

1、微生物的预测预报在食品工业中,无论是产品的生产工艺还是安全控制，微生物因素都是一种不容忽视的重要因素。我们既要运用微生物的有益方面改善食品的品质，又要通过有害微生物的控制来保障食品安全。老式上，预测特殊微生物存活的常用措施有三种:第一种措施是专家的判断：基于食品微生物学家的个人经验或她们出版的论著，这种措施也许相称有效,但提供的定量数据很少。第二种措施是采用问题实验(challenge tes):重要是通过将一定量的病原微生物接种到食品中，在食品保存过程中通过持续取样来检测微生物的生长或衰退状况,以评估食品病原微生物的生长和产生毒素的风险或对最后产品进行检查。然而这种措施耗时长,加之新型食品的

2、生产量日益增长,无法完全通过实验室的工作来评估每一种产品中也许发生的和潜在的食品病原微生物状况。第三种措施是使用数学模型:数学模型是一种用数学概念如自变量、因变量、函数、方程等建立起来的模型，这种措施使用越来越普遍。中国冷却肉生产行业起步不久,某些新建的公司，从厂房建设到设备全套引进国外技术，硬件达到国际先进水平,但是生产技术等软件跟不上，往往会导致有先进设备却生产不出一流产品的现象。对于肉类工业,老式的措施是对样品进行检查,然而这种检查不能保证总体消费的安全性,原料肉中有多种各样的微生物,生产中采用措施可以控制和减少微生物的种类和生长。然而,在国内,由于冷链系统不完善，控制系统的变化或失败使

3、微生物的浮现或重新浮现，会导致微生物的大量繁殖。微生物的预测能解决这些事情，其魅力在于运用存在的数据去预测将来发展趋势，对实际的生产和流通过程进行监控,可以提高国内肉类工业的技术水平。1预测微生物学的概念及发展历史1.1预测微生物学的概念食品预测微生物学(Foo Predtie Microbiolog)是一门在微生物学、数学、记录学和应用计算机科学基本上建立起来的新学科。它的发展方向是研究和设计一系列能描述和预测微生物在特定条件下生长和衰亡的模型。其目的是通过计算机和配套软件应用于食品工业，增长理解微生物与食品之间的复杂关系，在不进行微生物检测的条件下迅速对产品安全性和货架期进行预测，实现从原

4、料、加工到产品的贮存、销售整个体系的计算机智能化管理和监控,保证食品的安全。它不仅可以预测产品在贮藏、运送、销售、消费等各个环节的质量和安全性，并且还可用于产品的安全性预报、新产品开发、操作人员培训、科研实验及成果分析等。1.2预测微生物学发展历史预测微生物学的历史最早可以追溯到世纪代初，人们结识到孢子的热灭活体现为动力学趋势，由此开发了阿列纽斯(Arrhenius)方程和iow模型来描述温度对耐高温微生物的影响，预测微生物学在此基本上初具雏形。19世纪0年代，现代信息技术和计算机技术的迅猛发展为预测微生物学的建模提供了先进的技术支持，80年代初,ROS.T等提出“微生物预报技术”这一概念。1

5、3年，报道了一种0人的食品微生物学家小组，应用直观预测的Dlpi工艺，用计算机预测了食品货架期，开发了腐败菌生长的数据库的成果，从此揭开了预测微生物学序幕。0年代初,个人电脑的普及极大地推动了预测微生物学的发展。190年，欧盟5国和冰岛、挪威、瑞士构成FLAI FLOWEROPE研究机构，开始对微生物预报技术进行大规模的研究，建立了微生物的特性数据库6 。此后预测微生物学得到迅猛发展，它的巨大潜力吸引了研究者的巨大的爱好和资金,目前已成为食品微生物领域最活跃的研究方向之一7。虽然预测微生物学创始之初，某些食品微生物学家和食品工艺学家觉得微生物预测不够精确可靠，但经实验证明预测微生物的模型误差不

6、不小于微生物实验所带来的误差,这使预测模型在食品工业和食品监控领域获得了信任。目前的食品预测微生物学发展迅速,在Foo iroboog,Intrtinal orna Foodicrobiolog，Jornal fFood Pottion等杂志期刊有大量论文刊登;并有Modellinmcrobia respnses i foods,Modlg coganisms i food8等专著刊登；食品预测微生物国际研讨会每4年举办1次,9月第五届食品预测微生物国际研讨会在希腊雅典召开。预测微生物学已经发展成为一门专门的学科。目前，国内外对预测食品微生物学的研究工作非常关注,美国、英国、澳大利亚、丹麦等国

7、家致力于微生物预报软件的开发,可以对食品货架期进行有效的预侧和致病菌风险评。国内也不断有新的模型建立，用以控制各类食品。如对肉制品,水产品，老式发酵白酒及粮食储藏中预测微生物模型均有研究。2预测微生物学模型的分类预测微生物学是在数学模型的基本上建立起来的,其分类从横向水平上看,根据描述微生物的状况,分为描述微生物生长的数学模型和描述微生物失活的数学模型，描述微生物生长的数学模型分为以动力学为基本的模型和以概率为基本的模型。其中动力学模型可用于表征不同环境条件下微生物生长特性随时间的变化规律,重要用于食品品质预测；概率模型属于典型的经验模型,它是在特定的环境条件下来表征微生物生长及其产毒的概率，

8、用于分析食品中致病菌浮现的概率，从而评估食品在生产、贮藏及消费过程中的安全性。从纵向水平上看,一般根据Wtig和Bucha的分类措施,将每个预测模型分为个不同层次的模型水平，即一级模型、二级模型和三级模型。一级数学模型是描述在特定的培养条件下，一种微生物对时间的生长或存活曲线,体现微生物量与时间的函数关系，既微生物的响应。而表征微生物响应的模型响应参数则有每毫升的菌落形成单位数、毒素产生、底物浓度及代谢产物浓度等。初级模型重要涉及:ompetz函数、对数方程(Logsti fuctin)等。Gompertz模型是19年代初期应用最普遍的S型曲线。二级模型描述的是培养和环境变量(温度、值、水分活

9、度、2浓度、O2浓度、氧化还原电势、营养物浓度和运用率,以及防腐剂等)对微生物生长或存活特性的影响。较为常用的有平方根模型(Sque Rool)、反映表面方程(esposSurface uation)、henius elationhip模型等。三级模型重要指建立在一级和二级模型之上的电脑应用软件程序。目前世界上已开发的预测软件多达十几种，其中以美国农业部开发的病原菌模型程序PMP（athoen Mdeln Progrm)、加拿大开发的微生物动态专家系统MKES(Microbil ineicsEpet se），以及英国农粮渔部开发的食品微生物模型FM(FoodMirmde)最为出名。一般预测模型

10、涉及温度、H、A和防腐剂等几种重要栅栏因子及其互相作用,加工者可根据计算机数据库提供的栅栏,预测未成型产品的可贮性及也许生长繁殖的微生物。图显示了微生物预测模型的分类,表1列举了常用的微生物生长预测一级、二级及三级模型。图1 微生物预测数学模型分类表1 微生物生长预测模型一级模型Primaymodes二级模型Seony modes三级模型Teiary moelsmpertz fctinSquarrot odesathoen Modeling rogrammgisti modelArrenius modeGroth ediorBaranyimodelArhenu odlPseudomsPreic

11、trRos modelResponesurface modlsCmBasMood moel-modelsSymPeviuD vaue fnctvationZ odlseafod Spoilag ad Sfety redictor微生物预测模型3.1 一级模型(1)线型和oistic 模型线性模型的表述为：oN=+kt;其中,loN :微生物在时间t 时常用对数值；A:随时间无限减小时渐进对数值(相称于初始菌数）;k ：生长速率。Logisi 模型的表述为：y=A /1exp4m（-t)/+2;其中,y :微生物在时间t 时相对菌数的常用对数值,即log/N0;A :相对最大菌浓度, 即loNm

12、a/0；:表达生长速率； ：迟滞期。一级模型使用简朴以便，但对微生物生长预测的精确性不高，适合在生长环境和影响因素单一时使用,在状况复杂时应考虑使用其她模型替代。（2)Gopt 模型Goperz 方程式是双指数函数, 模型表述为:lgN=+Cexp-ex-B(-M)；其中,logN ：微生物在时间t时常用对数值； A:随时间无限减小时渐进对数值(相称于初始菌数)；C：随时间无限增长时菌增量的对数值；B：在时间M时相对最大生长速率；M：达到相对最大生长速率所需要的时间。有研究表白，Goprt方程在拟合肉毒梭菌生长上体现出较好的拟合性，但Gmperz模型未考虑延滞期的影响,预测精确性存在问题。()

13、arany & os模型Brani &erts 模型(如下简称Barnyi 模型）的表述为：；（1）；（2)其中， ： 时微生物数量; N0 ：0时微生物数量;N：最小微生物数量；kx：最大相对死亡率；r,s:参数。Barani模型只从细胞生长过程中的一种参数进行考虑。方程（1)描述了微生物随时间的变化,方程（2)描述了微生物生理学阶段即生长延滞期。aranyi 模型使用以便，适合多种状况,加上模型中的参数都具有生理学意义，因此被广泛使用在预测食品微生物领域。3.2 二级模型(）平方根模型(ua t moels)平方根模型是Ratowky等根据微生物在0-40温度条件下，生长速率或延滞期倒数的

14、平方根与温度之间存在的线性关系,提出的一种简朴的经验模型。关系式表达如下：;式中:m=生长速率;=延滞期时间（h);b1=系数（-1h5）;T=培养温度(）;Tmin=最低生长温度（）。平方根模型使用简朴,参数单一，可以较好的预测单因素下微生物的生长状况。但是对于多种影响因素共同作用的微生物生长预测则缺少精确性。（2）响应面模型当多种因素共同影响生长时,响应面模型比平方根模型复杂但却更有效。响应面模型可描述所有影响因素和它们之间的互相作用。在延滞期和最大生长速率互相独立的前提下,离散二次方程和立体模型被用作延滞期和最大生长速率的预测。在响应面实验设计中，必须先拟定出温度范畴、pH值等其她必要参数；另一方面，超过实验设计之外的推衍都将会导致错误的预测。最后,在多于三个控制因素时，响应面模型会相对复杂。国内文献在二级模型的使用上,更多的使用平方根模型，而较少使用响应面模型，这重要是由于前者使用更简朴，后者数据量大,解决分析复杂。但从预测的精确性上看，后者具有更好的精确性，因此,为得到更好的预测成果,可更多的采用响应面来进行模型构建。33 三级模型三级模型也称专家系统,重要功能有:根据环境因子的变化预测微生物生长的变化;比较不同环境因子对微生物生长的影响限度;相似环境因子下，比较不同微生物之间生长的差别等。目前，世界上已开发了多种食