預測微生物學在禽肉質量安全控制中的應用

張秋勤，徐幸蓮*

(南京農業大學 教育部肉品加工與質量控制重點實驗室，江蘇 南京 210095)

禽肉蛋白質含量高、脂肪含量低、價格低廉，是世界上僅次于豬肉的第二大類肉品。然而伴隨著生產和貿易的發展，禽肉產品質量安全問題日益突出。沙門氏菌、彎曲桿菌、大腸桿菌O157:H7等微生物污染是影響禽肉安全的主要問題之一。同時由于禽肉營養豐富，易因微生物生長繁殖導致禽肉腐敗。因此了解和控制禽肉中微生物是提高禽肉質量和保障安全的關鍵。

傳統微生物分析方法費時、費力，并且在環境、產品改變時不能準確評估產品的安全性[1]。預測微生物學可運用微生物學、工程數學以及統計學對食品微生物進行數學建模，建立信息庫，從而對微生物在不同加工、貯藏、流通等條件下的延遲、生長、殘存和死亡進行定量分析。因此，預測微生物學不僅可以對食品安全作出快速評估的預測，而且可用于貨架期預測，在食品質量安全研究中具有重要意義[2]。

1 預測微生物學發展

預測微生物學是一門基于微生物學、數學、統計學和應用計算機科學基礎上建立起來的新興科學。

20世紀80年代初，Ross等[3]首次提出了“微生物預測技術”。 1983年一支由30個微生物學家組成的食品小組，用計算機預測了食品的貨架期，并建立了腐敗菌生長的數據庫，從此正式拉開了食品預測微生物的研究帷幕[4]。在預測微生物學創始之初有學者認為其預測不夠精確，但實驗證明模型誤差不大于微生物實驗所帶來的誤差，這使得預測模型在食品工業和食品檢控領域獲得了信任。現在，每年在Food Microbiology、International Journal of Food Microbiology、Journal of Food Protection等期刊均有大量預測微生物的相關論文發表，國際上每4年舉辦1次食品預測微生物國際研討會。近年來隨著計算機技術的發展，預測微生物學得到迅猛發展，很多國家開發了預測軟件。預測模型軟件的開發和應用，為快速評估環境和食品組分對食品微生物生長的影響、監測產品中微生物的生長動態提供了便捷的平臺。

2 微生物預測軟件簡介

目前世界上已經開發出十幾種微生物預測軟件，其中最著名的是FM(food micromodel)、PMP(pathogen modeling program)和 ComBase(combined database)。

1992年英國農業、漁業和食品部(UKMAFF)基于數據庫和數學模型開發了食品微生物模型FM[5]。該食品微生物咨詢服務器中的20多種數學模型可以描述12種食品腐敗菌和致病菌的生長與環境因素之間的關系，信息量大、數學模型成熟，但由于使用的是Gompertz模型，高估了微生物的生長速率。英國食品研究院(IFR)在FM基礎上開發了Growth Predictor，該軟件包含了18種病原微生物預測模型，使用的是Baranyi模型，操作簡單，使用方便，適合研究者進行數據分析和結果參比。

美國農業部開發的病原菌模型程序PMP包括10種重要的食源性病原菌的38個預測模型。PMP不僅能通過溫度、pH值、水分活度等參數預測微生物生長狀況，而且可以利用自動響應模型處理大多數常用防腐劑，結果具有較高的精確度，但PMP缺乏溫度波動下的生長和失活模型[6]。

2003年5月，英、美兩國將PMP、FM和Growth Predictor整合成了一個數據庫模型——ComBase。同年7月兩國在第4屆國際預測性食品模型會議上宣布ComBase可以免費使用，并且時刻保持更新。ComBase目前已擁有了約40489個有關微生物生長和存活數據檔案，是世界上最大的預測微生物學信息數據庫。ComBase 系統不僅能預測1種微生物在1種環境條件下的生長情況，還能預測1種微生物在不同環境中的生長情況，并且可以對這些不同情況下的生長情況進行比較和分析。

另外還有很多軟件，如丹麥水產研究學院開發的用來預測海洋食品在恒溫或溫度波動條件下海洋食品的貨架期和特定腐敗微生物生長的SSSP (seafood spoilage and safety predictor software)軟件；法國農業和研究局根據食品、細菌和環境特點，結合致病菌污染能力和流通學數據而開發的Sym 'Previus軟件；加拿大開發的可用于產品系統開發和評估的微生物動態專家系統M K E S(microbial kinetics expert system)；澳大利亞Tasmania大學開發的能進行多環境因子分析系統FSP(food spoilage predictor)等[7-8]。在我國，中國水產科學研究院東海水產研究所開發出了可用于羅非魚品質控制的FSLP(fish shelf life predictor)系統[9]。

3 預測微生物學在禽肉中的研究進展

建立可靠的微生物生長和存活模型是預測禽肉加工貯藏中微生物的前提。1978年Daud等[10]將Olley腐敗模型應用到雞肉腐敗中，認為預測結果精確度與與雞肉組織無關。但Nyati[6]研究發現李斯特菌生長模型在預測李斯特菌在雞肉和牛肉中的生長狀況時偏差因子不同。李苗云等[11]認為建立的數學模型應該與具體的產品相聯系。對沙門氏菌這種血清型較多的菌建立模型時需要選擇適當的菌株，使建立的模型可預測其他血清型菌株的生長[12]。

微生物預測模型有多種類型，在建立數學模型時要進行適當的選擇。Juneja等[13]在2001年指出雖然在建立高溫失活模型時假設溫度與D值是呈線性相關性的，但事實上兩者之間是非線性關系，因此禽肉中沙門氏菌的熱失活模型更適合用非線性模型表示。2008年Kondjoyan等[14]研究發現Weibull-tail和biphasic-shoulder模型都不適用于預測蒸汽對李斯特菌病的殺菌效果。但Gonzalez等[15]在2009年研究發現改進的Weibull模型能預測雞肉糜中空腸彎曲桿菌的生長。Gompertz、Baranyi和logistic三種模型都能擬合雞肉中沙門氏菌的生長，Juneja等[16]對這3種模型進行了比較，發現運用初級模型研究不同溫度下雞肉中沙門氏菌的生長情況時，Gompertz模型擬合性最好，Baranyi模型次之，logistic模型最差；而運用二級模型研究溫度對沙門氏菌的影響時， Baranyi模型比Gompertz和logistic模型好。

實際生產、貯藏中微生物生長同時受溫度、p H值、鹽濃度等諸多因素影響，因此建立多參數微生物生長模型更利于預測微生物生長[17]。1995年Sutherland等[18]建立的大腸桿菌O157:H7生長模型就可用于NaCl質量濃度0.5～6.5g/100mL、pH4.0～7.0、貯藏溫度10～30℃的禽肉產品。2007年朱英蓮等[19]建立了大腸桿菌O157:H7在pH值、NaCl 濃度最佳情況下雞肉和肉湯中的溫度生長預測模型，并提出了出口分割雞肉中控制大腸桿菌O157:H7的措施。George等[20]1996年建立了以溫度、pH值、乳酸濃度為參數的李斯特菌病生長模型，該模型適用于禽肉、牛奶、畜肉、魚肉等日常食品。Escudero-Gilete等[17]認為預測禽肉中李斯特菌污染狀況時可用多元分析系統。

1995年Baranyi等[21]建立了適用于5～25℃變溫條件的熱殺索絲菌預測模型，并指出現有的微生物生長模型雖然能對多種腐敗菌和致病菌進行預測，但常見的微生物模型是在恒定條件(如pH值、溫度、水分活度)下建立的，不符合產品在生產、貯藏、銷售時周圍環境是動態變化的這一實際現狀，因此，建立實用的動態模型預測必須考慮環境動態變化對微生物的影響。2000年Bovill等[22]建立了李斯特菌病、沙門氏菌在溫度波動下的預測模型。2008年Gospavic等[23]用Gompertz和Baranyi模型預測了變溫條件下禽肉中假單胞菌的生長狀況。

4 預測微生物學在禽肉質量安全控制中的應用

預測微生物學的主要目的是運用數學模型對微生物生長情況進行定量分析，使得人們能夠在沒有進行微生物檢測的前提下，預測微生物的生長和死亡，為食品安全提供重要保障[24-25]。預測微生物學在食品貨架期、食品安全的預測和管理中有很大的應用價值，是食品微生物學中一個很有前景的研究領域[25]。

4.1 質量安全控制

微生物預測模型可以在相關條件已知的情況下預測環境、加工條件對有關微生物的影響，定量地評估該食品安全程度，有助于在HACCP體系中建立關鍵控制點，確定關鍵限值，在食品質量管理中有重要作用[26-30]。例如，先在實驗室建立以溫度為影響因素的微生物生長模型，然后確定產品在生產、流通、銷售過程中各環節所需要的溫度，最后用設備對各環節溫度進行監控，以控制產品質量安全[26]。有效的將預測模型運用于實際生產管理中依賴于應用技術的發展，而預測軟件是實現控制管理的關鍵[30]。現有的PMP、FM等軟件就可以定量分析不同環境對微生物的生長、殘存的影響。使用者可以模擬一種食品環境，通過輸入相關數據(例如溫度、酸度、濕度)，搜索到所有符合這些條件的數據檔案[31]。

4.2 風險評估

食品中生物危害分析是食品安全風險評估的主要內容之一，食品中的微生物受多種因素影響，如果無法掌握病原菌的動態變化，就難以對危害進行定量評估，預測微生物模型能夠為此提供幫助，歐美等國家已將數學建模描述食源性致病菌動態生長的方法列入食品安全風險評估中[28,30,32-33]。

運用預測微生物學進行風險評估需要掌握兩方面的信息：1)大量可靠的關于微生物對食品中環境條件(溫度、包裝、時間)反應的相關知識；2)微生物在各種環境下經歷的時間。然后建立數學模型來描述不同環境下微生物的生長、存活及失活的變化，對致病菌在整個暴露過程中的變化進行預測，估計出各個階段及食品食用時致病菌的濃度水平，接著將結果輸入劑量-效應模型，得出該致病菌在消費食品中的分布及消費者的攝入劑量，再由風險描述將這些定量、定性的信息綜合到一起，即可得到產品微生物安全性的一個評價。

根據前期研究得到的大量模型和數據建立定量風險評估模型可分析和規范禽肉加工[34]。2006年Uyttendaele等[35]根據比利時家禽中彎曲桿菌污染調查結果，建立了一個從零售到餐桌的彎曲桿菌定量風險評估模型。2007年Oscar[32]以沙門氏菌為例，建立了風險評估模型，對銷售、運輸、蒸煮、供應和消費5個環節的雞肉進行了風險評估，解釋了定量風險評估模型的操作和用處，并指出在運用定量風險評估模型時要確保輸入的條件和加工等的準確性，否則可能得到錯誤的評估結果。van der Fels-Klerx等[36]在2008年建立了肉雞在供應鏈中沙門氏菌的消長模型，并認為屠宰和加工過程是控制沙門氏菌污染的關鍵點。澳大利亞卓越食品安全中心開發的Risk Ranger軟件，可通過選擇條件或者輸入數據對食品的危險性進行評估。

4.3 貨架期預測

微生物是導致禽肉腐敗變質的主要因素，其生長繁殖狀況直接影響產品貨架期。近年來，很多學者致力于微生物模型預測食品貨架期的研究，相關報道較多。微生物模型預測食品貨架期是依據各種食品中微生物在不同加工、貯藏和流通條件下的特征信息庫，通過計算機的配套軟件，判斷食品中病原菌和腐敗菌生長或殘存的動態變化，判斷食品貨架期[37]。

運用微生物模型預測禽肉產品貨架期需要進行以下三方面的研究：1)禽肉產品中微生物研究，包括微生物種類、數量、消長規律等；2)結合環境因子建立合適的微生物生長動力學模型；3)以微生物生長數據庫為基礎，開發便捷的貨架期預測軟件[37-38]。

應用SSO(specific spoilage organisms)生長預測模型可預測產品剩余貨架期。禽肉中的SSO主要有假單胞菌、乳酸菌、熱殺索絲菌、腸桿菌[39-42]。在貯藏過程中假單胞菌占主導地位[42-43]。2007年Dominguez等[44]建立了禽肉在0～25℃厭氧條件下貯藏時假單胞菌的生長模型，該模型可用于預測產品貨架期，從而避免了用繁瑣的傳統方法進行貨架期判斷。澳大利亞Tasmania大學在假單胞菌生長模型基礎上開發的FSP(food spoilage predictor)軟件能對溫度為1.5～38℃、水分活度為0.850～0.997、pH5.3～7.8、SSO為假單胞菌的食品剩余貨架期進行快速估測[8]。

4.4 產品研發

根據微生物在某種產品或在某個加工過程中的生長和失活速率評估，能開發新產品或改善產品，確定產品貨架期[28]。在產品研發時，根據微生物生長和失活模型能顯示哪一種因子具有重要的影響，通過模擬預測微生物存活情況，求得有效的食品配方和處理條件，將食品中有關微生物的選擇實驗準確地局限于較小范圍，大大減少產品開發的時間和成本。在食品設計步入計算機化的進程中，可將現有的理化、微生物數據收集起來，建立一個帶有數據庫的計算機軟件，通過計算機來提出配方、工藝流程和包裝方式的合理化建議，在理論上使該產品的微生物穩定性得到保證。此外還可應用計算機軟件來改進不穩定產品[45]。2002年Juneja等[46]將產氣莢膜梭菌的生長模型運用到蒸煮干腌雞肉的生產中，確定了冷卻工藝。目前可用于開發產品的系統有MKES 和FDSS(food design support system)。

5 結論與展望

5.1 預測微生物學是以數量化描述微生物行為的新興科學，能對禽肉流通過程中的質量和安全做出合理判斷，為禽肉產品設計和質量安全管理提供了很好的思路和解決途徑。預測微生物學在禽肉質量安全研究方面的發展具有獨特優越性：1)大大增加了產品貨架期預測的可信度，利于質量控制和市場開拓；2)積累了微生物消長的數量化信息，利于產品開發中對工藝參數、產品配方的制定和微生物學質量的控制；3)確定加工、貯藏、流通過程中可能導致的產品腐敗的控制點和缺陷，為HACCP的實施和發展提供了重要手段。

5.2 預測微生物學發展至今，解決的主要問題是微生物生命活動與溫度、pH值、水分活度等環境因素之間的關系，尚有許多問題沒有解決。如已開發的預測軟件中的大部分模型是依據實驗室培養基上得到的數據建立的，沒有考慮食品組織、微生物之間的相互影響等因素，往往過高評價產品中微生物的生長速率[11]。食品微生物預測是以數學方程語言描述食品中腐敗菌和致病菌從原料到最終消費的增殖和死亡的全過程[2]。實現此預測過程，首先需要大量的基礎食品微生物相關數據，其次運用統計學、工程數學、人工神經網絡等技術手段進行數據處理，建立食品微生物數據庫和數學模型，并在此基礎上開發制作預測軟件。而我國預測微生物學在禽肉中的研究和應用極少，今后有必要加強研究。另外，Brown[47]認為定量風險評估模型需要在以下幾方面進行改進：現有的熱量傳遞模型比較單一，應考慮凍融等因素，以擴大模型的應用性；微生物在受到高溫等作用時，部分細胞只是損傷了，經過修復將重新生長，因此建立模型時應該考慮該部分受傷細胞的狀況。

[1] BARANYI J, ROBERTS T A.Mathematics of predictive food microbiology[J].International Journal of Food Microbiology, 1995, 26(2): 199-218.

[2] ARMITAGE N H.Use of predictive microbiology in meat hygiene regulatory activity[J].International Journal of Food Microbiology, 1997,36(2/3): 103-109.

[3] ROSS T, MCMEEKIN T A.Predictive microbiology[J].International Journal of Food Microbiology, 1994, 23(3/4): 241-264.

[4] MCMEEKIN T A, OLLEY J N, ROSS T, et al.Predictive microbiology:theory and application[M].Taunton, Somerset, UK: Research Studies Press, 1993: 320-340.

[5] MCCLURE P J, BLACKBURN C W, COLE M B, et al.Modelling the growth, survival and death of microorganisms in foods: the UK food micromodel approach[J].International Journal of Food Microbiology,1994, 23(3/4): 265-275.

[6] NYATI H.Survival characteristics and the applicability of predictive mathematical modelling toListeria monocytogenesgrowth in sous vide products[J].International Journal of Food Microbiology, 2000, 56(2/3):123-132.

[7] LEPORQ B, MEMBR J M, DERVIN C, et al.The "Sym'Previus"software, a tool to support decisions to the foodstuff safety[J].International Journal of Food Microbiology, 2005, 100(1/3): 231-237.

[8] NEUMEYER K, ROSS T, THOMSON G, et al.Validation of a model describing the effects of temperature and water activity on the growth of psychrotrophic pseudomonads[J].International Journal of Food Microbiology, 1997, 38(1): 55-63.

[9] 楊憲時, 鐘許, 郭全友.養殖魚類貨架期預測系統的設計與評估[J].農業工程學報, 2006, 22(8): 129-133.

[10] DAUD H B, MCMEEKIN T A, OLLEY J.Temperature function integration and the development and metabolism of poultry spoilage bacteria[J].Applied and Environmental Microbiology, 1978, 36(5): 650-654.

[11] 李苗云, 朱應舉, 趙改名.微生物預測模型研究及其在肉品工業中的應用[J].食品科技, 2008(2): 57-60.

[12] OSCAR T P.Predictive models for growth ofSalmonella typhimuriumDT104 from low and high initial density on ground chicken with a natural microflora[J].Food Microbiology, 2007, 24(6): 640-651.

[13] JUNEJA V K, EBLEN B S, MARKS H M.Modeling non-linear survival curves to calculate thermal inactivation ofSalmonellain poultry of different fat levels[J].International Journal of Food Microbiology, 2001,70(1/2): 37-51.

[14] KONDJOYAN A, PORTANGUEN S.Effect of superheated steam on the inactivation ofListeria innocuasurface-inoculated onto chicken skin[J].Journal of Food Engineering, 2008, 87(2): 162-171.

[15] GONZALEZ M, SKANDAMIS P N, HANNINEN M L.A modified Weibull model for describing the survival ofCampylobacter jejuniin minced chicken meat[J].International Journal of Food Microbiology,2009, 136(1): 52-58.

[16] JUNEJA V K, MELENDRES M V, HUANG L, et al.Modeling the effect of temperature on growth ofSalmonellain chicken[J].Food Microbiology, 2007, 24(4): 328-335.

[17] ESCUDERO-GILETE M L, GONZALEZ-MIRET M L, TEMPRANO R M, et al.Application of a multivariate concentric method system for the location ofListeria monocytogenes in a poultry slaughterhouse[J].Food Control, 2007, 18(1): 69-75.

[18] SUTHERLAND J P, BAYLISS A J, BRAXTON D S.Predictive modelling of growth ofEscherichia coliO157:H7: the effects of temperature,pH and sodium chloride[J].International Journal of Food Microbiology,1995, 25(1): 29-49.

[19] 朱英蓮, 李遠釗, 張培正, 等.溫度生長預測模型在大腸桿菌O157:H7控制中的應用[J].食品科學, 2007, 28(3): 183-187.

[20] GEORGE S M, RICHARDSON L C C, PECK M W.Predictive models of the effect of temperature, pH and acetic and lactic acids on the growth ofListeria monocytogenes[J].International Journal of Food Microbiology, 1996, 32(1/2): 73-90.

[21] BARANYI J, ROBINSON T P, KALOTI A, et al.Predicting growth ofBrochothrix thermosphactaat changing temperature[J].International Journal of Food Microbiology, 1995, 27(1): 61-75.

[22] BOVILL R, BEW J, COOK N, et al.Predictions of growth forListeria monocytogenesandSalmonelladuring fluctuating temperature[J].International Journal of Food Microbiology, 2000, 59(3): 157-165.

[23] GOSPAVIC R, KREYENSCHMIDT J, BRUCKNER S, et al.Mathematical modelling for predicting the growth ofPseudomonasspp.in poultry under variable temperature conditions[J].International Journal of Food Microbiology, 2008, 127(3): 290-297.

[24] BUCHANAN R L.Predictive food microbiology[J].Trends in Food Science and Technology, 1993, 4(1): 6-11.

[25] 李文茹, 謝小保, 施慶珊, 等.預測微生物學及其在食品科學中的應用[J].食品與發酵工業, 2009, 35(4): 136-140.

[26] MCMEEKIN T A, ROSS T, OLLEY J.Application of predictive microbiology to assure the quality and safety of fish and fish products[J].International Journal of Food Microbiology, 1992, 15(1/2): 13-32.

[27] MEMBR J M, LAMBERT R J W.Application of predictive modelling techniques in industry: from food design up to risk assessment[J].International Journal of Food Microbiology, 2008, 128(1): 10-15.

[28] MCDONALD K, SUN Dawen.Predictive food microbiology for the meat industry: a review[J].International Journal of Food Microbiology,1999, 52(1/2): 1-27.

[29] PANISELLO P J, QUANTICK P C.Application of food micromodel predictive software in the development of hazard analysis critical control point (HACCP) systems[J].Food Microbiology, 1998, 15(4): 425-439.

[30] MCMEEKIN T A, ROSS T.Predictive microbiology: providing a knowledge-based framework for change management[J].International Journal of Food Microbiology, 2002, 78(1/2): 133-153.

[31] 楊憲時, 許鐘, 郭全友.食源性病原菌預報模型庫及其在食品安全領域的應用[J].中國食品學報, 2006, 6(1): 372-376.

[32] OSCAR T P.A quantitative risk assessment model forSalmonellaand whole chickens[J].International Journal of Food Microbiology, 2004,93(2): 231-247.

[33] UNTERMANN F.Microbial hazards in food[J].Food Control, 1998, 9(2/3): 119-126.

[34] MATARAGAS M, SKANDAMIS P N, DROSINOS E H.Risk profiles of pork and poultry meat and risk ratings of various pathogen/product combinations[J].International Journal of Food Microbiology, 2008,126(1/2): 1-12.

[35] UYTTENDAELE M, BAERT K, GHAFIR Y, et al.Quantitative risk assessment ofCampylobacterspp.in poultry based meat preparations as one of the factors to support the development of risk-based microbiological criteria in Belgium[J].International Journal of Food Microbiology,2006, 111(2): 149-163.

[36] van der FELS-KLERX H J, TROMP S, RIJGERSBERG H, et al.Application of a transmission model to estimate performance objectives forSalmonellain the broiler supply chain[J].International Journal of Food Microbiology, 2008, 128(1): 22-27.

[37] MCMEEKIN T A, ROSS T.Shelf life prediction: status and future possibilities[J].International Journal of Food Microbiology, 1996, 33(1): 65-83.

[38] 肖琳琳, 張鳳英, 楊憲時, 等.預報微生物學及其在食品貨架期預測領域的研究進展[J].海洋漁業, 2005, 27(1): 68-73.

[39] PATSIAS A, BADEKA A V, SAVVAIDIS I N, et al.Combined effect of freeze chilling and MAP on quality parameters of raw chicken fillets[J].Food Microbiology, 2008, 25(4): 575-581.

[41] CHARLES N, WILLIAMS S K, RODRICK G.E.Effects of packaging systems on the natural microflora and acceptability of chicken breast meat[J].Poultry Science, 2006, 85(10):1798-1801.

[42] SUNDHEIM G, SLETTEN A, DAINTY R H.Identification ofPseudomonadsfrom fresh and chill-stored chicken carcasses[J].International Journal of Food Microbiology, 1998, 39(3): 185-194.

[43] ARNAUT-ROLLIER I, DE ZUTTER L, van HOOF J.Identities of thePseudomonasspp.in flora from chilled chicken[J].International Journal of Food Microbiology, 1999, 48(2): 87-96.

[44] DOMINGUEZ S A, SCHAFFNER D W.Development and validation of a mathematical model to describe the growth ofPseudomonasspp.in raw poultry stored under aerobic conditions[J].International Journal of Food Microbiology, 2007, 120(3): 287-295.

[45] WIJTZES T, VAN'T RIET K, HUIS IN'T VELD J H, et al.A decision support system for the prediction of microbial food safety and food quality[J].International Journal of Food Microbiology, 1998, 42(1/2):79-90.

[46] JUNEJA V K, MARKS H M.Predictive model for growth ofClostridium perfringensduring cooling of cooked cured chicken[J].Food Microbiology, 2002, 19(4): 313-327.

[47] BROWN M H.Quantitative microbiological risk assessment: principles applied to determining the comparative risk ofSalmonellosisfrom chicken products[J].International Biodeterioration and Biodegradation,2002, 50(3/4): 155-160.