劉麗君，方婷

（福建農(nóng)林大學食品科學學院，福建福州350002）

預測微生物模型在水產(chǎn)品中的應用

劉麗君，方婷*

（福建農(nóng)林大學食品科學學院，福建福州350002）

水產(chǎn)品在捕獲后的微生物存活狀況十分復雜，如果消費者在水產(chǎn)品中微生物狀況未知的情況下食用了水產(chǎn)品，就可能會發(fā)生食物中毒。預測食品微生物學是食品微生物學的關鍵領域，也是食品安全控制的重要學科組成，能夠幫助食品專家和從業(yè)人員有效評估和控制食品的安全狀況。水產(chǎn)品中病原微生物生長模型的建立在水產(chǎn)品的食用安全性方面能夠起到重要作用，微生物預測模型能夠分析和預測水產(chǎn)品中微生物隨時間的變化，以及不同溫度、不同環(huán)境條件下微生物的存活情況，為水產(chǎn)品的生產(chǎn)加工方式、儲存條件及安全狀況提供參考。

水產(chǎn)品；預測微生物學；數(shù)學模型；安全控制

隨著經(jīng)濟的迅猛發(fā)展和科學技術的不斷進步，人們的飲食結構趨于多樣化，對水產(chǎn)品的需求也越來越多。但一些水產(chǎn)品從收獲到復雜的生產(chǎn)加工，再經(jīng)過多樣化的貯存和運輸，最后到達消費者手中，其不確定的微生物污染等安全性問題令人擔憂。微生物的生長繁殖是食源性疾病爆發(fā)的主要原因，也是食品安全控制的主要研究方向，同時應運而生的預測微生物學成為食品危害分析和安全控制的有力工具[1]。預測微生物學（Predictive Microbiology）是運用微生物學、數(shù)學、統(tǒng)計學，結合計算機軟件建立模型，來描述和預測特定環(huán)境下微生物的生長和死亡，從而預防和控制食品腐敗和有毒食品的形成。目前，預測微生物學在水產(chǎn)品方面的安全控制作用逐漸受到重視[2]。

1 水產(chǎn)品的營養(yǎng)價值與安全現(xiàn)狀

全球海洋面積遼闊，水產(chǎn)資源種類繁多，主要包括各種魚類、蝦、蟹、貝類以及藻類。水產(chǎn)品不僅肉質(zhì)細嫩，味道鮮美，更含有非常均衡的營養(yǎng)素，是人體營養(yǎng)的重要組成部分，主要包括豐富的蛋白質(zhì)及人體所需的各種維生素和礦物質(zhì)，且易于被人體消化吸收，是一種生理價值非常高的功能性食品。各類水產(chǎn)品也因其營養(yǎng)全面，防治疾病，滋身養(yǎng)體等諸多功效而深受人們的喜愛。

人們在認識水產(chǎn)品的營養(yǎng)和藥用價值的同時，其食用安全性也成為關注的焦點?？v觀國內(nèi)外水產(chǎn)市場，水產(chǎn)加工業(yè)正在面臨嚴峻的挑戰(zhàn)：缺少科學的行業(yè)標準、較小的精加工水產(chǎn)品比例、低水平的下腳料處理技術以及薄弱的工業(yè)組織管理和存在一系列安全隱患等問題[3]。

食源性疾病在全球每年都會發(fā)生約40億～60億例[4]，其發(fā)病率居各類疾病總發(fā)病率的前列，其中主要因素之一就是水產(chǎn)品中的病原微生物，尤其是動物性水產(chǎn)品中食源性病原菌的污染最為嚴重[4]。生鮮水產(chǎn)品中經(jīng)常含有能引起感染的沙門氏菌、志賀氏菌、弧菌、李斯特氏單細胞質(zhì)菌、耶爾森氏腸道菌，以及能產(chǎn)生毒素的肉毒桿菌、產(chǎn)氣莢膜梭菌、金黃色葡萄球菌等[5]；同時水產(chǎn)品含有豐富的水分和蛋白質(zhì)，因此也更容易腐敗變質(zhì)，且很快就會產(chǎn)生引起食物中毒的毒素，所以因食用水產(chǎn)品而中毒的事件頻頻發(fā)生[6]。水產(chǎn)品在生長過程中的水質(zhì)污染，捕獲時的物理損傷及加工、儲存、流通等環(huán)節(jié)的污染，都會使上述這些微生物在水產(chǎn)品中迅速生長繁殖，并對食用者的健康及生命安全造成威脅[7]。即使是在冷凍和冷藏條件下，其中一些細菌仍然會繼續(xù)殘活，例如沙門氏菌和李斯特菌等[8]，這就給水產(chǎn)品食用人群帶來極大的安全隱患。因此，分析和預測水產(chǎn)品中各種微生物的生長情況，是預防和控制水產(chǎn)品中食源性疾病發(fā)生急需解決的問題。

2 預測微生物模型在水產(chǎn)品中的應用

預測微生物模型是通過一個或多個數(shù)學關系或方程式來表達出微生物的生長特性，從而預測出食品中微生物的存活狀況，我們通常是將能夠描述微生物特性的數(shù)學函數(shù)模型分為一級、二級和三級模型[9]。預測模型的實質(zhì)就是通過衡量環(huán)境因素的影響，將數(shù)據(jù)存入數(shù)據(jù)庫，并整合到數(shù)學模型中，通過預測軟件處理來預測食品中微生物群體的狀況，再結合適當?shù)谋O(jiān)測技術，就可以不用依靠傳統(tǒng)微生物計算技術來評估食品貨架期和微生物安全性[10]。

預測微生物模型在食品微生物學領域應用十分廣泛。目前，預測微生物模型在食品領域中的發(fā)展與應用主要包括以下4個方面[11]：一、產(chǎn)品創(chuàng)新。通過對食品在特定加工條件下的微生物的增殖速度、生長范圍或失活速率進行評估，來開發(fā)新產(chǎn)品、改進加工工藝、改善現(xiàn)有產(chǎn)品、確定儲存條件和貨架期。二、生產(chǎn)操作。預測微生物學為食品安全管理體系提供了極大的幫助，例如：加熱體系的設置、HACCP中關鍵控制點（CCPs）的設置、以及評估不同的加工工藝在微生物安全和食品質(zhì)量上的影響。三、危險評估。通過預測模型得到的數(shù)據(jù)信息可以判斷食品的安全性、預測產(chǎn)品質(zhì)量和對消費者安全的影響，防止產(chǎn)品在流通中發(fā)生問題。四、用于將新的風險管理理念轉變成實際的指導方針。預測微生物模型作為一種控制和管理食品質(zhì)量與安全的強有力的工具，在水產(chǎn)品的安全控制上也逐漸發(fā)揮出重要作用。

2.1 一級模型及其在水產(chǎn)品中的應用

一級模型（primary model）是描述在一定的環(huán)境條件下，微生物的生長數(shù)量與時間的關系。微生物的數(shù)量隨時間的變化是通過繪制線性或非線性生長曲線（即S形曲線）進行表達的。典型的微生物生長曲線包括三個階段：延滯期、指數(shù)期和靜止期。常用的一級模型方程式及其參數(shù)見表1。

表1 一級模型方程式及其參數(shù)Table 1 The equation and parameters of primary model

Monod方程式是最簡單的描述微生物細胞數(shù)量指數(shù)增加的模型，很多定量微生物學都是基于Monod方程式，其最重要的實際應用是在評估環(huán)境系統(tǒng)中有機物的生物降解動力學方面[12]。Logistic模型為很多模型提供了基礎，但較為簡單，在環(huán)境因素復雜時準確性較低[13]。Gompertz模型是應用很普遍的非線性模型，Gompertz方程式的修改形式能夠以包含肩區(qū)和尾區(qū)的線性殘存曲線建立模型[14]。Baranyi模型是以logistic生長模型為基礎的非線性微分方程。Baranyi模型與普通生長模型的不同之處在于它有一個對延滯期有很好的處理能力的附加函數(shù)，應用范圍廣，且具有生理學意義[15]。

這些模型具有簡易性、穩(wěn)定性、與微生物實驗數(shù)據(jù)有較好的擬合性，并且符合基本的微生物學現(xiàn)象，所以應用非常普遍。在實際應用中，選擇模型時首先需要經(jīng)過大量的實驗確定某種微生物在特定環(huán)境條件下的生長曲線，再通過計算機軟件使曲線與多種經(jīng)典數(shù)學模型進行擬合，通過計算相關系數(shù)（R2）或斜率和準確度來比較不同模型的擬合優(yōu)度[16]，從中選取擬合優(yōu)度最佳的函數(shù)方程式作為這種微生物在此環(huán)境條件下的預測模型。曲線擬合的應用軟件也有很多，例如SAS、R、Matlab等。近年來，很多預測微生物學家根據(jù)特定微生物的特性對經(jīng)典模型進行了修改和完善，有的還創(chuàng)建了自己的預測微生物模型，使其在實際應用中能夠發(fā)揮更好的作用[17]。

一級模型中應用最廣泛的是建立不同溫度條件下微生物生長的預測模型。由于水產(chǎn)資源分布的不均勻性，剛剛收獲的水產(chǎn)品大多不能立即被人們食用，因此，水產(chǎn)品一般通過低溫冷藏或凍藏的方式儲存和運輸，或者經(jīng)過進一步的加工流通到市場。由于微生物和酶的活動都與溫度有關，溫度降低，微生物的生長繁殖就會受到抑制，甚至死亡，酶也會減弱或失去分解能力，因此水產(chǎn)品在加工和流通過程中，溫度波動對其品質(zhì)及安全性的影響是非常大的。水產(chǎn)品在整個冷鏈流通過程中，溫度是很難控制的因素，僅通過經(jīng)驗判斷和微生物實驗很難準確估計水產(chǎn)品中微生物的生長情況。在研究不同溫度條件下微生物的生長模型中，通常將溫度的變化分為3種情況：恒定溫度、連續(xù)波動溫度和非連續(xù)波動溫度[18]。根據(jù)特定水產(chǎn)品溫度變化的情況建立相應的溫度-時間預測模型，可以了解微生物在不同溫度條件下隨時間的數(shù)量變化情況，幫助管理者判斷和控制水產(chǎn)品中關鍵微生物的存活狀態(tài)，保障水產(chǎn)品的安全性。

微生物的存活狀況除受溫度影響外，水產(chǎn)品的內(nèi)部環(huán)境體系和外界環(huán)境條件等各種因素的相互作用往往會對微生物的生長、存活和死亡產(chǎn)生影響。目前，已有大量數(shù)據(jù)和模型用于預測水產(chǎn)品中微生物的數(shù)量變化情況。Ross等結合已有數(shù)據(jù)和模型研究了溫度、水分活度、pH、CO2、煙熏成分等對水產(chǎn)品中李斯特菌生長的影響[19]；M.Vialette等應用Gompertz模型建立了在酸和滲透壓的影響及pH、NaCl、溫度的相互作用下水產(chǎn)品中李斯特菌的生長模型[20]；O.Mejlholm等應用主要參數(shù)模型建立了在乙酰乙酸鹽、乳酸鹽、CO2、防腐劑、pH、NaCl、溫度以及所有參數(shù)相互作用的影響下輕度保藏水產(chǎn)品中乳酸菌的生長模型，并證明了其對李斯特菌的抑制效應[21]。通過研究溫度、pH、NaCl、CO2、乳酸等因素的共同作用對水產(chǎn)品中微生物生長的影響，有助于優(yōu)化水產(chǎn)品加工工藝和儲藏保鮮方法，提高風險評估安全系數(shù)。

2.2 二級模型及其在水產(chǎn)品中的應用

二級模型（secondary model）是描述一級模型中的參數(shù)與環(huán)境因子（如溫度、pH、水分活度等）的變化之間的關系。Geeraerd等將二級模型細分為兩類。第一類主要包括Ratkowsky的平方根模型、主要參數(shù)模型和Arrhenium模型，這些模型包含一些具有生物學意義的參數(shù)。其中平方根模型和主要參數(shù)模型通常應用于更多的環(huán)境因子，它們的應用范圍較小，但擬合優(yōu)度很好。第二類主要包括神經(jīng)網(wǎng)絡模型和響應面模型，對于模型結構的選擇來說，這些模型最大的優(yōu)點是沒有固定的模型結構，具有很高的適用性[22]。常用的二級模型方程式及其參數(shù)見表2。

表2 二級模型方程式及其參數(shù)Table 2 The equation and parameters of secondary model

平方根模型（The square root model）是使用較多的二級模型。該方程式使用簡單，參數(shù)單一，能很好地預測溫度對微生物最大比生長速率的影響[23]。對于多個因素共同作用時，響應面模型較為有效。響應面模型需要處理大量數(shù)據(jù)，操作較復雜，但準確性很高。

在實際應用中，模型的選擇主要考慮實驗數(shù)量、關于初始模型結構的擬合優(yōu)度統(tǒng)計、參數(shù)估計的精確性和不確定性等方面[24]。

在二級模型中，研究最多的是溫度對微生物生長或失活速率的影響，因為溫度是影響化學、生物化學、生物反應的重要影響因素。水產(chǎn)品中微生物二級預測模型的建立可以使我們很容易得到溫度及其它環(huán)境因子對微生物存活速率的影響情況，從而對水產(chǎn)品的加工、運輸及儲藏等環(huán)節(jié)提供相應的理論指導。

2.3 三級模型及其在水產(chǎn)品中的應用

三級模型（tertiary model）是以一級模型和二級模型為基礎發(fā)展起來的計算機程序軟件。這種預測模型軟件通過控制環(huán)境和理化因素及食品添加劑來預測食品中微生物的狀況，其主要功能有：在變動的環(huán)境條件下預測微生物的生長變化；不同的環(huán)境條件下微生物的生長情況比較；一定的環(huán)境條件下，不同微生物生長狀況的比較等。

近年來，預測模型軟件在水產(chǎn)品安全評估和貨架期預測中的應用比較廣泛。丹麥漁業(yè)研究所開發(fā)的海洋食品腐敗預測程序（SSP）軟件，有效的促進了預測微生物學和海洋食品貨架期數(shù)學模型在工業(yè)、研究、海洋食品檢驗和教學方面的應用。SSP軟件包含特定腐敗微生物生長的動力學模型和腐敗模型的相關速率，從其輸出的圖表中能夠得到恒溫或波動溫度條件下微生物生長的預測值和產(chǎn)品的貨架期[25]。在SSP基礎上發(fā)展的海洋食品腐敗安全預測程序（SSSP）軟件能夠預測各種新鮮或輕度保藏的海產(chǎn)品中微生物的生長情況和貨架期[26]。水產(chǎn)魚類（例如大比目魚）的微生物腐敗動力學模型和感官品質(zhì)可以通過魚類貨架期預測程序（FSLP）獲得[27]。

水產(chǎn)品中病原微生物生長模型的建立和相應軟件的開發(fā)為水產(chǎn)品的食用安全性等方面提供了極大的幫助。通過微生物預測模型能夠得到一些關于水產(chǎn)食品與微生物作用之間的寶貴信息，從而有助于提高水產(chǎn)品的安全和質(zhì)量，減少經(jīng)濟損失，使水產(chǎn)漁業(yè)能夠更好地發(fā)展。

3 展望

微生物預測模型能夠定量食品中各種微生物（包括致病菌、腐敗菌和有益菌）的生長情況，有助于預測食品貨架期，指導產(chǎn)品研發(fā)，優(yōu)化生產(chǎn)操作和流通環(huán)節(jié)。預測模型雖然不能完全代替?zhèn)鹘y(tǒng)的微生物學實驗和微生物學家的經(jīng)驗和判斷，但作為一種獲取關鍵信息的有力工具，預測模型在食品微生物領域必將占有越來越重要的地位。在預測微生物模型應用于水產(chǎn)領域的未來發(fā)展中，必將會與更多的學科進行交叉和結合，并發(fā)展一系列具有通用性和高準確度的預測模型應用于水產(chǎn)品定量微生物危險分析中，從而更好地提高水產(chǎn)品的質(zhì)量和安全性，使水產(chǎn)行業(yè)逐漸發(fā)展成為前景廣闊、安全性高和經(jīng)濟效益大的產(chǎn)業(yè)。

[1]Arie H Havelaar,Stanley Brul,Aarieke de Jong,et al.Future challenges to microbial food safety[J].International Journal of Food Microbiology,2010,139:579-594

[2] 宋華,江曉路.預測微生物學發(fā)展與水產(chǎn)品的安全控制[J].中國食物與營養(yǎng),2011,17(7):11-14

[3]Jianrong Li,Haixia Lu,Junli Zhu,et al.Aquatic products processing industry in China:Challenges and outlook[J].Trends in Food Science&Technology,2009,20:73-77

[4]張賓,鄧尚貴,林慧敏,等.水產(chǎn)品病原微生物安全控制技術的研究進展[J].中國食品衛(wèi)生雜志,2011,23(6):581-586

[5] 孫月娥,李超,王衛(wèi)東.我國水產(chǎn)品質(zhì)量安全問題及對策研究[J].食品科學,2009,21:493-498

[6]Amagliani G,Brandi G,Schiavano G F.Incidence and role of Salmonella in seafood safety[J].Food Research International,2012, 45:780-788

[7]Knut Bjorn Lindkvist,Torbjorn Trondsen,Jinghua Xie.Restructuring the Chinese seafood industry,global challenges and policy implications[J].Marine Policy,2008,32:432-441

[8]Matamoros S,Pilet M F,Gigout F,et al.Selection and evaluation of seafood-borne psychrotrophic lactic acid bacteria as inhibitors of pathogenic and spoilage bacteria[J].Food Microbiology,2009,26: 638-644

[9]Jordi Ferrer,Clara Prats,Daniel López,et al.Mathematical modelling methodologies in predictive food microbiology:A SWOT analysis[J].International Journal of Food Microbiology,2009,134:2-8

[10]McMeekin T A.Predictive microbiology:Quantitative science delivering quantifiable benefits to the meat industry and other food industries[J].Meat Science,2007,77:17-27

[11]Jeanne-Marie Membré,Ronald J W Lambert.Application of predictive modelling techniques in industry:From food design up to risk assessment[J].International Journal of Food Microbiology,2008, 128:10-15

[12]Holger Dettea,Viatcheslav B Melasb,Andrey Pepelyshevb,et al. Robust and efficient design of experiments for the Monod model[J]. Journal of Theoretical Biology,2005,234:537-550

[13]Micha Peleg,Maria G.Corradini,Mark D.Normand.The logistic (Verhulst)model for sigmoid microbial growth curves revisited[J]. Food Research International,2007,40:808-818

[14]Chhabra A T,Carter W H,Linton R H,et al.A predictive model that evaluates the effect of growth conditions on the thermal resistance of Listeria monocytogenes[J].International Journal of Food Microbiology,2002,78:235-243

[15]Mytilinaios I,Salih M,Schofield H K,et al.Growth curve prediction from optical density data[J].International Journal of Food Microbiology,2012,154:169-176

[16]Régis Pouillot a,Meryl B Lubran.Predictive microbiology models vs.modeling microbial growth within Listeria monocytogenes risk assessment:What parameters matter and why[J].Food Microbiology, 2011,28:720-726

[17]Hiroshi Fujikawa,Akemi Kai,Satoshi Morozumi.A new logistic model for Escherichia coli growth at constant and dynamic temperatures[J].Food Microbiology,2004,21:501-509

[18]Jun Yue,Lu Liu,Zhenbo Li,et al.Improved quality analytical models for aquatic products at the transportation in the cold chain[J]. Mathematical and Computer Modelling,2011,11:1-6

[19]Tom Ross,Paw Dalgaard,Suwunna Tienungoon.Predictive modelling of the growth and survival of Listeria in fishery products[J]. International Journal of Food Microbiology,2000,62:231-245.

[20]Vialette M,Pinon A,Chasseignaux E,et al.Growths kinetics comparison of clinical and seafood Listeria monocytogenes isolates in acid and osmotic environment[J].International Journal of Food Microbiology,2003,82:121-131

[21]Mejlholm O,Dalgaard P.Modeling and predicting the growth of lac－tic acid bacteria in lightly preserved seafood and their inhibiting effect on Listeria monocytogenes[J].Journal of Food Protection,2007, 70(11):2485-2497

[22]Van Derlinden E,Van Impe J F.Modeling growth rates as a function of temperature:Model performance evaluation with focus on the suboptimal temperature range[J].International Journal of Food Microbiology,2012,158:73-78

[23]Koen Grijspeerdt,Koen De Reu.Practical application of dynamic temperature profiles to estimate the parameters of the square root model[J].International Journal of Food Microbiology,2005,101: 83-92

[24]Laurence Mertens,Eva Van Derlinden,Jan F Van Impe.Comparing experimental design schemes in predictive food microbiology:Optimal parameter estimation of secondary models[J].Journal of Food Engineering,2012,112:119-133

[25]Paw Dalgaard,Peter Buch,Steen Silberg.Seafood Spoilage Predictor—development and distribution of a product specific application software[J].International Journal of Food Microbiology,2002,73: 343-349

[26]Lebert Isabelle,Lebert André.Quantitative prediction of microbial behaviour during food processing using an integrated modelling approach:a review[J].International Journal of Refrigeration,2006,29: 968-984

[27]Nuin M,Alfaro B,Cruz Z,et al.Modelling spoilage of fresh turbot and evaluation of a time–temperature integrator(TTI)label under fluctuating temperature[J].International Journal of Food Microbiology,2008,127(3):193-199

Application of Predictive Microbiology Models in Aquatic Products

LIU Li-jun，F(xiàn)ANG Ting*
（College of Food Science，F(xiàn)ujian Agriculture and Forestry University，F(xiàn)uzhou 350002，F(xiàn)ujian，China）

The growth and death of microorganism in aquatic products after harvested is complicated.If consumer eats the aquatic products which the microorganism condition in it is unknown may lead to food poisoning. Predictive food microbiology is the key area of food microbiology and also the important subject composition of food safety control and can help food specialist estimates and controls the food safety.The growth models of pathogenic microorganisms in aquatic products can play an important role in aquatic products safety.Predictive models can analyze and predictive microorganism change in aquatic products with time and the growth or death of microorganism in different temperatures and environment conditions.Then it can give suggestions to the processing，storage conditions and safety control of aquatic products.

aquatic products；predictive microbiology；mathematical model；safety control

10.3969/j.issn.1005-6521.2014.19.028

2013-09-18

劉麗君（1987—），女（漢），研究生，研究方向：微生物預測模型。

*通信作者