裴鵬鋼 熊 科 葉 宏 王小藝 趙峙堯 柳佳蕓 鄧 蕾

(北京工商大學(xué)北京市食品添加劑工程技術(shù)研究中心1,北京 100048)(北京工商大學(xué)北京市風(fēng)味化學(xué)重點(diǎn)實(shí)驗(yàn)室2,北京 100048)(北京工商大學(xué)北京市質(zhì)量與安全重點(diǎn)實(shí)驗(yàn)室3,北京 100048)(北京工商大學(xué)北京食品營養(yǎng)與人類健康高精尖創(chuàng)新中心4，北京 100048)

1 糧油食品預(yù)測(cè)微生物學(xué)

稻谷、小麥、大豆等大宗糧油食品是我國糧油食品加工的主要種類。而在這些糧油食品生產(chǎn)加工過程中，供應(yīng)鏈環(huán)節(jié)鏈條長，各環(huán)節(jié)污染物種類多、來源復(fù)雜，致使糧油食品從原料種植到儲(chǔ)藏運(yùn)輸?shù)炔煌A段均易遭受微生物尤以霉菌及其產(chǎn)生毒素污染。迄今為止在糧油食品中已發(fā)現(xiàn)300多種真菌毒素，主要為黃曲霉毒素、脫氧雪腐鐮刀菌烯醇、赭曲霉毒素、展青霉素、單端孢霉烯族毒素、玉米赤霉烯酮、伏馬毒素等[1]。不同類型糧油食品中的產(chǎn)毒霉菌并非完全相同，即使同一種糧油食品中加工或儲(chǔ)藏不同階段或不同的環(huán)境條件下的有害菌也不盡相同[2]。

以小麥供應(yīng)鏈主要環(huán)節(jié)為例，在其種植期間容易遭受赤霉病、葉銹病、紋枯病等真菌病害的侵染，造成小麥減產(chǎn)，并且產(chǎn)生的真菌毒素在小麥中形成積累；其次，在小麥原糧倉儲(chǔ)階段由于糧堆各部分貯藏溫度不同，再加上外界條件變化導(dǎo)致濕度變化使得小麥也極易遭受鐮刀菌、青霉菌、交聯(lián)孢菌及其次級(jí)代謝產(chǎn)物如脫氧雪腐鐮刀菌烯醇(DON)、玉米赤霉烯酮(ZEN)、黃曲霉毒素(AFB1)的污染[3]。同時(shí)小麥制粉階段潤麥環(huán)節(jié)兩次潤麥處理，導(dǎo)致糧堆水分含量增加，潤麥倉倉儲(chǔ)環(huán)節(jié)為微生物的生長繁殖創(chuàng)造良好的條件。同時(shí)小麥粉在貯藏階段衛(wèi)生狀況也會(huì)影響小麥粉中的微生物數(shù)量；在產(chǎn)品運(yùn)輸環(huán)節(jié)，環(huán)境的差異同樣也會(huì)導(dǎo)致小麥粉霉菌等腐敗菌的數(shù)量增加。因此小麥供應(yīng)鏈中存在真菌毒素污染物影響產(chǎn)品安全的較大風(fēng)險(xiǎn)，而對(duì)于供應(yīng)鏈的污染物難以逐一進(jìn)行分析研究，只能聚焦于關(guān)鍵階段對(duì)其進(jìn)行控制分析。

預(yù)測(cè)食品微生物學(xué)(Predictive Food Microbiology)是結(jié)合微生物學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)等學(xué)科，采用數(shù)學(xué)的方法描述微生物數(shù)量變化和外部環(huán)境因素之間的關(guān)系，并對(duì)微生物的生長動(dòng)態(tài)情況做出預(yù)測(cè)。因此為了確保食品安全性，科學(xué)家們通過引入預(yù)測(cè)食品微生物學(xué)理論對(duì)食品中的微生物進(jìn)行量化和行為預(yù)測(cè)。通過計(jì)算機(jī)軟件進(jìn)行病原菌和腐敗菌生長及其產(chǎn)生的污染物在特定條件下的概率模型等的擬合[4]，快速判斷食品內(nèi)主要病原菌和腐敗菌生長或殘存的動(dòng)態(tài)變化以及有害物含量的高低，從而依據(jù)標(biāo)準(zhǔn)對(duì)特定階段食品的安全性作出快速評(píng)價(jià)。表1為近年來國內(nèi)外對(duì)食品如玉米、水稻、麥芽等食品中的霉菌生長動(dòng)力學(xué)模擬研究情況。

因此，針對(duì)糧油食品供應(yīng)鏈污染物特點(diǎn)，采用預(yù)測(cè)微生物學(xué)模型的方式對(duì)其供應(yīng)鏈中關(guān)鍵環(huán)節(jié)的毒素污染產(chǎn)生菌構(gòu)建動(dòng)力學(xué)模型以及通過不同條件下產(chǎn)毒概率模型，探究關(guān)鍵環(huán)節(jié)毒素變化及降解遷移規(guī)律，從而實(shí)現(xiàn)對(duì)糧油產(chǎn)品關(guān)鍵環(huán)節(jié)品質(zhì)的安全評(píng)估與預(yù)測(cè)。通過模型的反饋來優(yōu)化糧油產(chǎn)品貯藏及加工的方法和手段，實(shí)現(xiàn)“綠色儲(chǔ)糧”和“生態(tài)儲(chǔ)糧”，為確保糧油食品安全提供重要的理論依據(jù)。這也為未來開展糧油食品供應(yīng)鏈真菌毒素污染的安全風(fēng)險(xiǎn)評(píng)估以及對(duì)其供應(yīng)鏈中真菌毒素危害物預(yù)警追溯等奠定模型基礎(chǔ)，滿足糧油食品供應(yīng)鏈安全與社會(huì)可持續(xù)性發(fā)展的需求。

表1 近年國內(nèi)外關(guān)于食品霉菌生長動(dòng)力學(xué)模擬情況

2 糧油食品中真菌毒素污染情況

國內(nèi)目前大宗糧油食品真菌毒素污染超標(biāo)問題嚴(yán)重，對(duì)消費(fèi)者的身體健康帶來極大的安全隱患。稻谷、小麥、大豆、花生等大宗糧油食品中均發(fā)現(xiàn)真菌毒素不同程度污染的情況。

表2 近年國內(nèi)糧油食品真菌毒素污染調(diào)查

注：ND指的是未檢出相應(yīng)毒素。

3 微生物預(yù)測(cè)模型

微生物預(yù)測(cè)模型最早應(yīng)用于食品貯藏階段細(xì)菌生長模型，同時(shí)期微生物學(xué)預(yù)測(cè)模型對(duì)霉菌并未有同等程度的關(guān)注研究，這與霉菌生長的量化復(fù)雜性有關(guān)。細(xì)菌裂變繁殖通常發(fā)生在食物表面或者液體基質(zhì)而霉菌菌絲則可穿透食品的物理三維空間，所以對(duì)其定量分析更加復(fù)雜。并且產(chǎn)生有用且可靠的模型的先決條件必須是包含大量相關(guān)數(shù)據(jù)的數(shù)據(jù)庫，這對(duì)于研究真菌毒素來說無疑是巨大的挑戰(zhàn)。一般來說，微生物模型分為三類。初級(jí)模型是用來描述微生物在一定生長條件下其數(shù)量隨時(shí)間的變化關(guān)系，如孢子的萌發(fā)、菌株生長、菌體的失活等[22]。Zwietering等[23]比較了幾種S形函數(shù)(logistic，Gompertz，Richards，Schnute和Stannard)來描述細(xì)菌生長曲線，通過t檢驗(yàn)、F檢驗(yàn)發(fā)現(xiàn)Gompertz曲線10 ℃條件下植物乳桿菌數(shù)量隨時(shí)間變化的擬合度最高(見圖1)；而二級(jí)模型在一級(jí)模型的基礎(chǔ)上增加了環(huán)境因素，如：溫度、水分含量、pH等因素，表征環(huán)境條件的改變?nèi)绾斡绊懢甑拿劝l(fā)和生長。圖2為評(píng)估水分活度為變量菌株徑向生長速率二級(jí)模型擬合圖；三級(jí)模型是一種軟件化模型，軟件包括了1個(gè)或者多個(gè)一級(jí)模型和二級(jí)模型，作為完整的預(yù)測(cè)工具為用戶提供服務(wù)[24]。

圖1 10 ℃生長的植物乳桿菌相對(duì)種群大小隨時(shí)間變化Gompertz曲線

圖2 22 ℃條件下模擬UG AF06菌株在全黑胡椒粒不同水分活度下菌株徑向最大生長率實(shí)測(cè)模型擬合圖

概率模型用于描述某一特定時(shí)間段某些事件發(fā)生的可能性，例如，特定條件下菌體是否生長、是否產(chǎn)生毒素。通過概率模型可以對(duì)某種食品基質(zhì)在特定時(shí)間點(diǎn)的安全性做出快速評(píng)價(jià)[25]。

3.1 微生物生長初級(jí)模型

常用的一級(jí)模型主要有Logistic方程[25]、Gompertz模型[25]、Baranyi & Roberts模型[26]、Boltzmann模型[27]、致死模型[28]。

3.1.1 Logistic方程：

3.1.2 Gompertz模型：

y=a·exp[-exp(b-cx)]

式中兩個(gè)模型中的參數(shù)只是數(shù)學(xué)意義上的參數(shù)(a,b,c，…)，并不具有生物學(xué)意義，不能直接用于微生物生長曲線的擬合。需要對(duì)其中的參數(shù)進(jìn)行修改，使用具有生物學(xué)意義的參數(shù)如(λ，μm，A)來代替純數(shù)學(xué)參數(shù)(a,b,c，…)。

修正后的Logistic模型：

修正后的Gompertz模型：

式中：μm為最大比生長速率，定義為生長曲線拐點(diǎn)處的斜率；λ為遲滯期時(shí)間，滯后期被定義為定義最大特定生長速率的線與時(shí)間軸的交點(diǎn)；t為培養(yǎng)時(shí)間；A指微生物數(shù)量達(dá)最大值；N0為初始孢子數(shù)；N為t時(shí)間后存活的孢子數(shù)量。Dantigny等[29]通過實(shí)驗(yàn)比較Logistic模型和Gompertz模型，通過比較RMSE值(均方根誤差)發(fā)現(xiàn)兩者擬合優(yōu)度類似，無法確定哪種模型在特定實(shí)驗(yàn)條件下為首選，繼而通過評(píng)估其他標(biāo)準(zhǔn)如參數(shù)估計(jì)值的準(zhǔn)確性來進(jìn)一步判斷如：評(píng)估孢子萌發(fā)時(shí)間(50%孢子萌發(fā)所需時(shí)間)時(shí)，Logistic模型的精確度更高；而Gompertz模型可以更準(zhǔn)確地估計(jì)遲滯期時(shí)間。

3.1.3 Boltzmann模型

3.1.4 Baranyi & Roberts模型

式中：μm為最大比生長速率(定義為拐點(diǎn)處生長曲線的斜率)(mm/d，μm/h)；λ為遲滯期時(shí)間；t為培養(yǎng)時(shí)間；A為微生物數(shù)量最大值。

Lo′pez等[30]評(píng)估微生物生長模型(光密度方法定量)確定包括真菌和細(xì)菌在內(nèi)物種，采用包括Gompertz和Baranyi & Roberts模型在內(nèi)的各種模型進(jìn)行擬合，發(fā)現(xiàn)Baranyi & Roberts模型擬合度最高；Marin等[31]研究lineal模型、Gompertz模型及Baranyi & Roberts模型對(duì)14種常見食物腐敗真菌生長一級(jí)模型的適用性，采用菌落直徑進(jìn)行生長速率表征發(fā)現(xiàn)：當(dāng)所獲數(shù)據(jù)沒有發(fā)現(xiàn)漸進(jìn)趨勢(shì)時(shí)，使用liner模型和Baranyi & Roberts模型可以更好地估計(jì)最大生長速率和遲滯期；當(dāng)觀察到生長速率隨時(shí)間降低時(shí)，Baranyi & Roberts模型的擬合度更高。

3.1.5 致死模型

模擬溫度高低或致死劑濃度對(duì)微生物群體致死處理模型時(shí)，使用經(jīng)典的一級(jí)方程對(duì)孢子滅活建立模型：

式中：N為孢子數(shù)；N0為初始孢子數(shù)；N(t)為經(jīng)過處理后孢子數(shù)；ki為致死率/min-1。

現(xiàn)今大多數(shù)孢子滅活模型研究采用線性滅活方法，但是目前對(duì)于孢子滅活的研究還較少且只有少部分應(yīng)用于真菌[32]。

3.2 微生物生長二級(jí)模型

二級(jí)模型主要有Ratkowsky平方根模型[32]、Arrhenius-Davey模型[33]、Rosso cardinal模型[34]、Polynomial模型[35]、Gamma Concept模型[36]。

3.2.1 Ratkowsky平方根模型

該模型最初是為細(xì)菌開發(fā)的。

式中：μm為最大比生長速率；b2、C2均為假定系數(shù)；Tmin2為最低生長溫度；Tmax2為最高生長溫度。通常該模型僅有溫度變量，Tassou等[37]在建立溫度和水分活度對(duì)合成葡萄汁培養(yǎng)基上希臘釀酒葡萄中2種產(chǎn)生赭曲霉A的炭曲霉菌株模型時(shí)，將Ratkowsky平方根模型變量拓展到其他變量因素上如水分活度。

3.2.2 修正的線性Arrhenius-Davey方程

最初用于描述溫度對(duì)細(xì)菌生長的影響，Panagou等[38]模擬溫度、pH和水分活度對(duì)從綠茶橄欖提取的紅曲霉生長速度影響時(shí)，將該模型變量因素延伸到pH和水分活度。

lnμmax=C0+C1/T+C2/T2

式中：μ為菌落生長速率；T為開氏溫度；C0、C1、C2為3個(gè)參數(shù)。

3.2.3 Rosso cardinal模型

Rosso等[34]在1993年提出了這個(gè)溫度模型，使用3個(gè)基本溫度(Tmin、Tmax、Topt)，和最佳溫度下的生長速率μopt。該模型是在經(jīng)驗(yàn)基礎(chǔ)上建立的作為描述數(shù)據(jù)的工具，模型的優(yōu)點(diǎn)是所有參數(shù)都具有生理學(xué)意義，有利于對(duì)初始參數(shù)的估計(jì)。

μR(T,aw)=μopt·τ(T)·ρ(aw)

式中：μR為菌落徑向生長速率；μopt菌落直徑最大值；Tmin、Tmax、awmin為菌株可以生長的最低和最高溫度以及最小水分活度；Topt、awopt為菌落直徑達(dá)到最大值時(shí)對(duì)應(yīng)的溫度和水分活度；awmax為1，方便計(jì)算無特殊意義。

3.2.4 Gibson模型

Gibson模型是第一個(gè)專門為霉菌開發(fā)的模型，Gibson等[35]發(fā)現(xiàn)真菌生長速率的對(duì)數(shù)與(1-aw)的平方根呈拋物線關(guān)系，所以將多項(xiàng)式模型應(yīng)用于黃曲霉的生長。

式中：μ為菌落生長速率；a0、a1、a2為3個(gè)需要估計(jì)的參數(shù)。

Tassou等[39]研究環(huán)境溫度(25 ℃)和選定溫度(45、55 ℃)下的高靜水壓力對(duì)火腿中金黃色葡萄球菌的滅活動(dòng)力學(xué)建模，在Gibson模型中增加溫度變量。

式中：a0、a1、a2、a3、a4、a5為3個(gè)需要估計(jì)的參數(shù)。

3.2.5 Gamma Concept模型

Gamma Concept模型由Zwietering等[36]提出，認(rèn)為影響微生物生長速率的各種因素可以通過單獨(dú)效應(yīng)的乘積來組合。使用這種方法的優(yōu)點(diǎn)是，對(duì)于確定影響生長速率每個(gè)變量，可以通過分離各種變量的影響來計(jì)算相對(duì)效應(yīng)。這個(gè)模型有一般形式：

其中給定變量的相對(duì)影響可以通過該變量的gamma因子來描述：

3.3 概率模型

當(dāng)實(shí)驗(yàn)?zāi)繕?biāo)是觀察在特定條件下微生物是否生長時(shí)，即可采用概率模型來進(jìn)行擬合。概率模型在很多情況下可確保食物不受微生物污染至關(guān)重要，尤其適用于涉及病原微生物或者產(chǎn)毒微生物污染的情況。概率模型允許在各種條件下預(yù)測(cè)特定事件(例如微生物的生長和毒素的產(chǎn)生)是否可能發(fā)生，其中增長概率模型是根據(jù)特定時(shí)間點(diǎn)在整個(gè)實(shí)驗(yàn)設(shè)計(jì)中“增長/無增長”響應(yīng)的比例構(gòu)建的[40]。

Logistic回歸模型是判斷菌株增長/無增長邊界的有用工具，將事件發(fā)生概率Y與條件變量進(jìn)行關(guān)聯(lián)。

式中：xi為因子變量(T,aw,pH,…)；bi為要估計(jì)的常數(shù)。

4 糧油食品中的微生物預(yù)測(cè)模型的應(yīng)用

現(xiàn)階段對(duì)于模型的應(yīng)用大多集中在產(chǎn)品的儲(chǔ)藏階段：真菌的動(dòng)力學(xué)模型、外界條件影響的二級(jí)模型、毒素積累模型以及產(chǎn)毒概率模型。目前人工模擬的儲(chǔ)藏實(shí)驗(yàn)一般通過控制糧油食品儲(chǔ)藏環(huán)境中的溫度和濕度來控制微生物的生長以及毒素的產(chǎn)生。通過人工模擬儲(chǔ)藏實(shí)驗(yàn)?zāi)軐?duì)實(shí)際微生物的生長和產(chǎn)毒的情況進(jìn)行準(zhǔn)確預(yù)測(cè)，以達(dá)到預(yù)警的目的。對(duì)于產(chǎn)品的加工階段由于沒有合適的可控外界條件，因此目前加工階段關(guān)于模型的研究還較少。

4.1 儲(chǔ)藏階段動(dòng)力學(xué)模型

小麥在儲(chǔ)藏中更易滋長霉菌，最容易感染嘔吐毒素(DON)和玉米赤霉烯酮(ZEN)等真菌毒素[41]。彭堅(jiān)等[42]以小麥為基質(zhì)建立了黃曲霉在小麥貯藏階段的初級(jí)和二級(jí)模型，分別利用Gompertz模型、Logistic模型對(duì)黃曲霉在小麥中生長曲線進(jìn)行擬合，通過t檢驗(yàn)和F檢驗(yàn)發(fā)現(xiàn)Gompertz模型擬合效果更好，符合黃曲霉生長規(guī)律。利用Ratkowsky方程擬合不同溫度下黃曲霉生長二級(jí)模型發(fā)現(xiàn)先R2相關(guān)性比較好, 達(dá)到0.99以上。

玉米是我國三大糧油食品品種之一，其在儲(chǔ)藏期間極易遭受灰綠曲霉和黃曲霉的污染[43]，短期內(nèi)可能發(fā)生霉腐變質(zhì)現(xiàn)象。岳曉禹等[44]進(jìn)行溫度對(duì)儲(chǔ)藏玉米中霉菌生長動(dòng)力學(xué)模型構(gòu)建，以儲(chǔ)藏玉米霉菌為研究對(duì)象，在不同儲(chǔ)藏溫度、不同時(shí)間條件下用修正的Gompertz方程擬合腐敗霉菌的生長動(dòng)力學(xué)模型，采用修正的線性Arrhenius-Davey方程和二階多項(xiàng)式方程擬合溫度對(duì)玉米中霉菌生長的比生長速率和遲滯期的影響，通過模型驗(yàn)證表明修正的線性Arrhenius-Davey方程可以較好地描述、預(yù)測(cè)不同溫度對(duì)玉米中霉菌的比生長速率和遲滯期的影響。

房保海等[45]在不同溫度和相對(duì)濕度條件下對(duì)花生中的黃曲霉菌株生長特性進(jìn)行測(cè)定，并采用Boltzmann 和Logistic模型對(duì)其生長曲線進(jìn)行擬合，結(jié)果表明在適宜溫濕度條件花生黃曲霉生長曲線更適合用Boltzmann 模型擬合。

Yue等[46]在大米干燥過程對(duì)大米黃曲霉增長率和遲滯期影響的建模研究中，利用Baranyi & Roberts模型較好地?cái)M合了黃曲霉在大米中的生長曲線，利用線性Arrhenius-Davey模型描述不同水分活度下黃曲霉生長速率和遲滯期，通過模型驗(yàn)證具有較高的R2和較低的MSE值，模型具有良好的擬合度。利用二階多項(xiàng)式模型來擬合溫度和水分活度對(duì)生長率和遲滯期的共同作用，通過模型成功預(yù)測(cè)出該類大米中黃曲霉生長的最適溫度，對(duì)水稻的貯藏保鮮至關(guān)重要。

Mousa等[47]以拋光大米和糙米為基質(zhì)，通過控制溫度和水分活度來對(duì)2種不同基質(zhì)條件黃曲霉徑向生長速率和黃曲霉毒素的產(chǎn)生分別進(jìn)行建模分析。通過Baranyi模型較好地?cái)M合菌落半徑隨時(shí)間變化模型，利用線性Arrhenius-Davey模型和多項(xiàng)式模型擬合溫度和aw對(duì)黃曲霉生長速率的影響，并通過獨(dú)立的實(shí)驗(yàn)數(shù)據(jù)對(duì)模型加以驗(yàn)證，結(jié)果表明線性Arrhenius-Davey模型是拋光大米和糙米上黃曲霉生長速率的最佳預(yù)測(cè)模型，預(yù)測(cè)黃曲霉的最適生長溫度為30 ℃。

Marin等[48]研究溫度、濕度等外界條件對(duì)開心果貯藏的影響，人工模擬不同溫度、水分活度對(duì)開心果中的黃曲霉生長影響進(jìn)行建模分析。利用Davey模型、Gibson模型、一般多項(xiàng)式模型、多因子cardinal模型和改進(jìn)的cardinal模型五種方法評(píng)價(jià)黃曲霉徑向生長速率μR對(duì)環(huán)境的響應(yīng)值。通過均方根誤差(RMSE值)判斷發(fā)現(xiàn)cardinal模型對(duì)黃曲霉的徑向生長速率擬合度較高。同時(shí)利用改進(jìn)的cardinal模型(減少觀測(cè)實(shí)驗(yàn)值數(shù)量)擬合的同時(shí)發(fā)現(xiàn)預(yù)測(cè)值更接近于觀測(cè)值，但因?yàn)榇嬖谄罟烙?jì)，r2只有0.67而多因素cardinal模型r2為0.78。改進(jìn)的cardinal模型是基于減少的實(shí)驗(yàn)觀測(cè)點(diǎn)開發(fā)的，從而使驗(yàn)證步驟的預(yù)測(cè)煩瑣程度得到改善[49]。

4.2 菌株生長邊界模型及毒素積累預(yù)測(cè)模型

Battey等[50]利用Logistic回歸模型預(yù)測(cè)腐敗霉菌生長概率，以0、1進(jìn)行賦值。0代表無霉菌生長，1代表有霉菌生長。發(fā)現(xiàn)pH、可滴定酸度、糖含量、苯甲酸鈉和山梨酸鉀水平都是影響霉菌隨時(shí)間存在生長可能性的重要因素。該Logistic回歸模型針對(duì)14種新條件進(jìn)行了驗(yàn)證，并預(yù)測(cè)了8周后霉菌的生長狀況，準(zhǔn)確度超過96%。產(chǎn)品開發(fā)人員可以使用該模型來預(yù)測(cè)即飲飲料中的霉菌生長狀況。

Marín等[51]將概率模型首次應(yīng)用于霉菌毒素的積累，在不同水分含量和貯存溫度條件下預(yù)測(cè)從開心果中分離出的A.carbonarius菌株的生長和OTA生產(chǎn)邊界。在評(píng)估水分含量對(duì)辣椒中黃曲霉生長的影響利用logistic回歸模型對(duì)黃曲霉生長邊界進(jìn)行預(yù)測(cè)，結(jié)果表明，將辣椒或者辣椒粉的水分含量保持在30%以下，黃曲霉生長概率低于50%，辣椒含水量低于1%時(shí)，黃曲霉不生長。

Lindblad等[52]在溫度10～25 ℃，水分活度0.77～0.95 條件下對(duì)谷物接種疣孢青霉孢子展開谷物貯藏實(shí)驗(yàn)。通過檢測(cè)青霉菌代謝產(chǎn)物OTA的水平是否超過法定限制5 mg/kg同時(shí)根據(jù)檢測(cè)值將疣孢青霉生長觀察值定值0或1。即0代表不生長，1代表生長。在不同的溫度和水分活度條件下，谷物疣孢青霉菌落達(dá)到一定數(shù)量時(shí)，利用Logistic 回歸模型計(jì)算超過法定限度的概率，通過模型有效地將谷物霉菌生長與產(chǎn)毒結(jié)合起來。

5 問題及應(yīng)用展望

5.1 存在的問題

糧油食品供應(yīng)鏈鏈條長環(huán)節(jié)多，危害物種類多，產(chǎn)生機(jī)理復(fù)雜。霉菌毒素可以在田間以及倉庫貯藏期間產(chǎn)生，并且不同的氣象條件、種植環(huán)境以及農(nóng)藝技術(shù)等都會(huì)影響霉菌的生長及其次級(jí)代謝產(chǎn)物的產(chǎn)生。由于其危害物產(chǎn)生機(jī)理的復(fù)雜性，源頭控制危害物難度較大，因此宜采用預(yù)測(cè)模型的方式對(duì)關(guān)鍵環(huán)節(jié)如貯藏階段、加工環(huán)節(jié)等進(jìn)行優(yōu)化。

而目前對(duì)于預(yù)測(cè)模型研究存在的主要問題是模型數(shù)據(jù)源不完整，覆蓋不全面。以小麥真菌毒素模型構(gòu)建為例，模型的構(gòu)建不可能針對(duì)于所有的小麥品種，只能針對(duì)于特定區(qū)域小麥品種進(jìn)行分析。同時(shí)預(yù)測(cè)模型的可信度和精準(zhǔn)度也存在風(fēng)險(xiǎn)。現(xiàn)今大多數(shù)微生物模型的擬合都集中在實(shí)驗(yàn)室基礎(chǔ)上進(jìn)行仿真模擬，針對(duì)相應(yīng)食品基質(zhì)或者對(duì)應(yīng)基質(zhì)培養(yǎng)基來進(jìn)行，但是經(jīng)研究發(fā)現(xiàn)兩者擬合出的數(shù)據(jù)存在較大差別，后者擬合模型普遍存在可信度低的問題。且實(shí)驗(yàn)室基礎(chǔ)的模型擬合只能是在有限的條件下，基于所獲得的有限數(shù)據(jù)基礎(chǔ)上的擬合，數(shù)據(jù)的不足是制約模型擬合精準(zhǔn)度的最大難題。目前只能通過盡可能多的獲取數(shù)據(jù)來進(jìn)行模型構(gòu)建，但大量數(shù)據(jù)的獲取和數(shù)據(jù)庫的構(gòu)建本身就是難度很大的挑戰(zhàn)。

5.2 展望

目前糧油食品中危害物的預(yù)測(cè)模型還主要是集中在對(duì)危害霉菌的生長預(yù)測(cè)模型研究，霉菌產(chǎn)毒素積累預(yù)測(cè)模型、產(chǎn)毒概率模型研究還比較少。今后應(yīng)重點(diǎn)關(guān)注毒素預(yù)測(cè)模型，通過毒素含量及特定條件下的產(chǎn)毒概率直觀地反映食品的安全狀況?，F(xiàn)階段對(duì)糧油食品加工過程中真菌毒素消減規(guī)律及加工階段毒素模型研究還較少。未來需要對(duì)加工階段的某些關(guān)鍵點(diǎn)進(jìn)行大量模型參數(shù)擬合研究，以通過模型對(duì)加工階段的關(guān)鍵參數(shù)進(jìn)行控制改進(jìn)，嘗試進(jìn)行加工環(huán)節(jié)的預(yù)警溯源分析。同時(shí)模型本身的構(gòu)建基于大量實(shí)驗(yàn)數(shù)據(jù)的獲取，這在實(shí)驗(yàn)室研究基礎(chǔ)上是比較棘手的問題。因此只有通過在糧食食品供應(yīng)鏈各環(huán)節(jié)中大量獲取真實(shí)有效的數(shù)據(jù)才能建立起較完整的糧油產(chǎn)業(yè)供應(yīng)鏈微生物預(yù)測(cè)模型，這對(duì)建立適合我國國情的微生物預(yù)報(bào)體系具有極其重要的意義。