预测微生物学的研究进展赵光辉1,2,赵改名1,刘 蓉3,王玉芬2,谢 华2,冯 坤1,崔艳飞1,黄现青1,2*(1.河南农业大学食品科学技术学院河南省肉制品加工与质量安全控制重点实验室肉品加工与质量安全控制工程技术研究中心,河南郑州 450002;2.双汇集团技术中心,河南漯河 462003;3.河南省电力公司信阳供电公司,河南信阳 464000)摘 要 简要介绍了预测微生物学模型的2个类型(品质预测模型和安全评估模型),特定腐败菌在微生物预测中的特殊作用,可追溯技术、温度综合函数和生物指示器等新技术在微生物预测中的应用,以及国外的预测模型库和国内的研究现状,展望了预测微生物学未来的发展趋势。
关键词 微生物;预测模型;特定腐败菌;模型库中图分类号 Q939.9 文献标识码 A 文章编号 1005-7021(2010)04-0076-07Advance m ent of Predicti ve M icrobiologyZ HAO Guang hu i1,2,Z HAO Gai m ing1,LI U Rong3,WANG Yu fen2,XI E H ua2,FENG Kun1,C U I Y an fe i1,HUANG X i a n qi n g1,2(1.C oll.of F ood S ci.&Technol.,H e nan Ag ric.Un i.,H enan K e y Lab.o f M eat Process.&Qua lit y Safet y C on t.,M e a tP rocess.&Qualit y Safet y Cont.Eng i n.Technol.R es.C tr.,Zhengzhou450002;2.Technol.C tr.of Sh i ne w ay G roup;Lu ohe462003;3.X i nyang P o w er Suppl y C o mpany,H enan Prov i nce P o w er C o mpany,X inyang464000)A bstrac t Tw o types of t he predicti ve m icrob i o l ogy mode,l the special ro l e o f spec ifi c spo ilage m icrobes;t he app licati ons o f techno logy,te mperature co m prehensive f uncti on and bio i ndica tor and other new techno l og ies i n predictive m ic robiology w ere traced,t he research prog ress o f the R epred icti veM ode lL i bra ry abroad and current studies i n hom e country w ere briefl y rev i ewed i n this paper;and the deve l op m en t trend of the pred i c ti ve m i c robiology w as also prospected.K eywords pred icti ve m icrob i o logy;predictive m ode;l spec ific spo ilage m i crobe;repred icti ve model li bra ry20世纪80年代初,Ross等[1]最先提出 微生物预报技术这一概念,从此预测微生物学便应运而生。
食品预测微生物学(Food Pred ictive M icro b iology)是一门在微生物学、数学、统计学和应用计算机科学基础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。
它是依据各种食品微生物在不同加工、储藏和流通条件下的特征信息库,通过计算机的配套软件,在不进行微生物检测分析的前提下,判断食品内主要病原菌或腐败微生物死亡、残存和增殖的动态变化,从而对食品安全做出快速评估的预测方法[2 3]。
1983年,国外食品微生物学家小组应用直观预测的De l p h i 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,从此揭开了预测微生物学序幕[4]。
上世纪八九十年代,由于食品安全问题的严峻形式,预测微生物学的研究对象主要是食品中的病原菌(如单核增生李斯特菌、沙门菌、金黄色葡萄球菌等),后来,随着食品企业对自身产品品质问题的关注,腐败菌的研究也逐渐发展起来,并且对这些细菌进行建模[5]。
近年来美国、英国、澳大利亚、丹麦等国更是致力于微生物预测软件开发,旨在对食品货架期进行有效的预测,并对致病菌进行风险评估[6]。
基金项目:国家科技计划项目(2009G J D00047)作者简介:赵光辉 男,硕士研究生。
研究方向为食品安全与质量控制。
E ma i:l z ghw ork@s i na.co m*通讯作者。
Te:l0371 ********,E m ai:l hxq8210@126.co m收稿日期:2010 01 04;修回日期:2010 04 2776微生物学杂志 2010年7月第30卷第4期 J OU RNAL OF M I CROB I OLOGY July2010V o.l30N o.41 微生物预测模型的类型1.1 食品品质预测模型 食品品质的变化受诸多因素影响,依据内在和外在因子来分析导致食品变质的主导因素,每一种产品有其特定的腐败菌(SSO)、腐败范围(SD)和腐败量(SL)。
微生物生长模型只能用在初始限定的微生物类别、产品类型和贮藏条件范围内。
为了获得精确的货架期预测,依据相关产品腐败过程来选择和运用微生物模型是重要的,例如修正的Go m pertz方程是最佳拟合方程之一[7]。
建立微生物生长曲线模型时,要考虑多个变量对微生物生长的影响,包括温度、p H、Aw、防腐剂等变量的数目和联合作用。
在考虑温度、p H、Aw3因素时,假设它们是分别独立的,相互之间没有影响的,使用修正R at ko w sky和Davey方程。
微生物生长曲线采用非线性回归分析结合Go m pertz方程得到,然后使用多变量响应曲面法(Response surface M ethodo logyo gy)来建立温度、p H、NaC l、N a HO2、空气状态等影响的立体生长模型。
1.2 食品安全评估模型预测微生物风险评估常采用概率模型,为了预测致病菌生长的可能性或毒素的产生,将已知样品在确定的环境条件和固定时间培养,评估多个重复样品中微生物生长或产毒所占的比例,从而推导出各个因子下微生物生长的概率模型,概率模型主要适合孢子的萌发,通常使用H ausch il d 的一般方法来估算食品中肉毒梭状芽胞杆菌单孢子的萌发和产生毒素的可能性,有助于认知细菌孢子产生毒素受培养条件,如p H、温度、NaC l浓度的影响。
概率模型最主要的应用领域是食品卫生质量管理。
风险评估不能提供食品是否安全的答案,但可以通过输入有关参数对模型进行预测,使人们了解参数和加工步骤是如何影响食品安全的。
概率模型与生长、残存模型相结合能够评估特定贮藏条件下特定产品存在的危害性,分析关键控制点。
失活/残存曲线是使用线性初始模型(Pri m a ry m odels)拟合数据得出的,往往用D值(deci m a l reducti o n ti m e)和T4D(ti m e to a4 D i n activati o n)的对数值表示。
D值受加热方式、孢子存在方式等多种因素的影响变化很大。
失活曲线通过对实验分析所得的Ln(4D)、Ln(D)用SAS对反应曲线回归方程进行分析,结合温度、pH等影响因子,求出多变量二次多项式,使用非线性方程拟合得到多因素响应曲面图,在实验范围内可预测出D 值[8]。
2 特定腐败菌(Specifi c spo ilage or ganis m)为了食品的保鲜防腐,研究人员对腐败微生物进行了长期研究,发现食品所含微生物中只有部分微生物参与腐败过程[9],上世纪90年代中期Dalgaard[10]提出了 特定腐败菌(Specific spoil age organ i s m,SSO)的概念。
在对食品微生物学的研究中发现,与致病菌动态响应相比,腐败菌由于产品特征和贮藏条件的不同,其动态响应复杂且变化大[11]。
研究者指出,食品腐败主要表现在某些微生物生长和代谢生成胺、硫化物、醇、醛、酮、有机酸等,产生不良气味和异味,使产品变得感官上不可接受[12]。
不同的食品,导致其腐败的微生物种类是不同的,代谢产物也不尽相同,由此可以把食品划分成具有不同微生物生态的类群,即每种产品具有其自身独有的菌相,那些适合生存繁殖并产生腐败臭味和异味代谢产物的微生物,就是该产品的SSO[13]。
SSO在刚加工产品微生物菌丛中的数量少,仅占非常小的一部分,但在贮藏中生长比其他微生物快,并且腐败活性强[14]。
研究证明,假单胞菌(P seudo m onas)、希瓦氏菌(She w anella)是冷链流通中高水分蛋白食品的SSO[15];弧菌(Vibrionaceae)等发酵型革兰阴性菌是新鲜水产品的SSO[16];真空或气调包装蛋白食品的SSO为明亮发光杆菌(Photobacterium phos phoreum)、乳酸菌(Lactic acid bacteria)、热杀索丝菌(Brochothri x ther m os phacta)等[17];低酸、高盐、烟熏食品的腐败源于乳酸菌和酵母菌(Yeast);热处理食品的腐败往往和芽胞杆菌(B acillus)有关[18]。
相同地域的同类产品中,腐败优势菌往往包括几种微生物,但SSO可能只有一两种[14,18]。
由于SSO带来腐败,所以SSO的生长与腐败速度密切相关。
SSO及其腐败代谢产物可作为食品品质指标,更重要的是,通过预测SSO的生长可以774期 赵光辉等:预测微生物学的研究进展准确评估货架期[18]。
欧盟 鱼类鲜度评定项目研究发现,腐败希瓦氏菌、明亮发光杆菌、热杀索氏菌等SSO的数目与产品货架期的相关性在0.90~0.99之间[14]。
不同的原料、工艺、包装、贮藏等导致食品微生态系统的不同,SSO也随之变化,SSO生长预报模型只适合特定环境。
为了准确预测货架期,必须针对不同产品进行食品微生物和微生态研究。