預測微生物模型在水產品中的應用

劉麗君，方婷

（福建農林大學食品科學學院，福建福州350002）

預測微生物模型在水產品中的應用

劉麗君，方婷*

（福建農林大學食品科學學院，福建福州350002）

水產品在捕獲后的微生物存活狀況十分復雜，如果消費者在水產品中微生物狀況未知的情況下食用了水產品，就可能會發生食物中毒。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人員有效評估和控制食品的安全狀況。水產品中病原微生物生長模型的建立在水產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品中微生物隨時間的變化，以及不同溫度、不同環境條件下微生物的存活情況，為水產品的生產加工方式、儲存條件及安全狀況提供參考。

水產品；預測微生物學；數學模型；安全控制

隨著經濟的迅猛發展和科學技術的不斷進步，人們的飲食結構趨于多樣化，對水產品的需求也越來越多。但一些水產品從收獲到復雜的生產加工，再經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、數學、統計學，結合計算機軟件建立模型，來描述和預測特定環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品方面的安全控制作用逐漸受到重視[2]。

1 水產品的營養價值與安全現狀

全球海洋面積遼闊，水產資源種類繁多，主要包括各種魚類、蝦、蟹、貝類以及藻類。水產品不僅肉質細嫩，味道鮮美，更含有非常均衡的營養素，是人體營養的重要組成部分，主要包括豐富的蛋白質及人體所需的各種維生素和礦物質，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。各類水產品也因其營養全面，防治疾病，滋身養體等諸多功效而深受人們的喜愛。

人們在認識水產品的營養和藥用價值的同時，其食用安全性也成為關注的焦點。縱觀國內外水產市場，水產加工業正在面臨嚴峻的挑戰：缺少科學的行業標準、較小的精加工水產品比例、低水平的下腳料處理技術以及薄弱的工業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生約40億～60億例[4]，其發病率居各類疾病總發病率的前列，其中主要因素之一就是水產品中的病原微生物，尤其是動物性水產品中食源性病原菌的污染最為嚴重[4]。生鮮水產品中經常含有能引起感染的沙門氏菌、志賀氏菌、弧菌、李斯特氏單細胞質菌、耶爾森氏腸道菌，以及能產生毒素的肉毒桿菌、產氣莢膜梭菌、金黃色葡萄球菌等[5]；同時水產品含有豐富的水分和蛋白質，因此也更容易腐敗變質，且很快就會產生引起食物中毒的毒素，所以因食用水產品而中毒的事件頻頻發生[6]。水產品在生長過程中的水質污染，捕獲時的物理損傷及加工、儲存、流通等環節的污染，都會使上述這些微生物在水產品中迅速生長繁殖，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殘活，例如沙門氏菌和李斯特菌等[8]，這就給水產品食用人群帶來極大的安全隱患。因此，分析和預測水產品中各種微生物的生長情況，是預防和控制水產品中食源性疾病發生急需解決的問題。

2 預測微生物模型在水產品中的應用

預測微生物模型是通過一個或多個數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學函數模型分為一級、二級和三級模型[9]。預測模型的實質就是通過衡量環境因素的影響，將數據存入數據庫，并整合到數學模型中，通過預測軟件處理來預測食品中微生物群體的狀況，再結合適當的監測技術，就可以不用依靠傳統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展與應用主要包括以下4個方面[11]：一、產品創新。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，來開發新產品、改進加工工藝、改善現有產品、確定儲存條件和貨架期。二、生產操作。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量上的影響。三、危險評估。通過預測模型得到的數據信息可以判斷食品的安全性、預測產品質量和對消費者安全的影響，防止產品在流通中發生問題。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量與安全的強有力的工具，在水產品的安全控制上也逐漸發揮出重要作用。

2.1 一級模型及其在水產品中的應用

一級模型（primary model）是描述在一定的環境條件下，微生物的生長數量與時間的關系。微生物的數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、指數期和靜止期。常用的一級模型方程式及其參數見表1。

表1 一級模型方程式及其參數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量指數增加的模型，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境系統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和尾區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，應用范圍廣，且具有生理學意義[15]。

這些模型具有簡易性、穩定性、與微生物實驗數據有較好的擬合性，并且符合基本的微生物學現象，所以應用非常普遍。在實際應用中，選擇模型時首先需要經過大量的實驗確定某種微生物在特定環境條件下的生長曲線，再通過計算機軟件使曲線與多種經典數學模型進行擬合，通過計算相關系數（R2）或斜率和準確度來比較不同模型的擬合優度[16]，從中選取擬合優度最佳的函數方程式作為這種微生物在此環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特定微生物的特性對經典模型進行了修改和完善，有的還創建了自己的預測微生物模型，使其在實際應用中能夠發揮更好的作用[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。由于水產資源分布的不均勻性，剛剛收獲的水產品大多不能立即被人們食用，因此，水產品一般通過低溫冷藏或凍藏的方式儲存和運輸，或者經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，因此水產品在加工和流通過程中，溫度波動對其品質及安全性的影響是非常大的。水產品在整個冷鏈流通過程中，溫度是很難控制的因素，僅通過經驗判斷和微生物實驗很難準確估計水產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、連續波動溫度和非連續波動溫度[18]。根據特定水產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量變化情況，幫助管理者判斷和控制水產品中關鍵微生物的存活狀態，保障水產品的安全性。

微生物的存活狀況除受溫度影響外，水產品的內部環境體系和外界環境條件等各種因素的相互作用往往會對微生物的生長、存活和死亡產生影響。目前，已有大量數據和模型用于預測水產品中微生物的數量變化情況。Ross等結合已有數據和模型研究了溫度、水分活度、pH、CO2、煙熏成分等對水產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品中李斯特菌的生長模型[20]；O.Mejlholm等應用主要參數模型建立了在乙酰乙酸鹽、乳酸鹽、CO2、防腐劑、pH、NaCl、溫度以及所有參數相互作用的影響下輕度保藏水產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品中微生物生長的影響，有助于優化水產品加工工藝和儲藏保鮮方法，提高風險評估安全系數。

2.2 二級模型及其在水產品中的應用

二級模型（secondary model）是描述一級模型中的參數與環境因子（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、主要參數模型和Arrhenium模型，這些模型包含一些具有生物學意義的參數。其中平方根模型和主要參數模型通常應用于更多的環境因子，它們的應用范圍較小，但擬合優度很好。第二類主要包括神經網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見表2。

表2 二級模型方程式及其參數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據，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量、關于初始模型結構的擬合優度統計、參數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境因子對微生物存活速率的影響情況，從而對水產品的加工、運輸及儲藏等環節提供相應的理論指導。

2.3 三級模型及其在水產品中的應用

三級模型（tertiary model）是以一級模型和二級模型為基礎發展起來的計算機程序軟件。這種預測模型軟件通過控制環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：在變動的環境條件下預測微生物的生長變化；不同的環境條件下微生物的生長情況比較；一定的環境條件下，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品安全評估和貨架期預測中的應用比較廣泛。丹麥漁業研究所開發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學模型在工業、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品的貨架期[25]。在SSP基礎上發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品中微生物的生長情況和貨架期[26]。水產魚類（例如大比目魚）的微生物腐敗動力學模型和感官品質可以通過魚類貨架期預測程序（FSLP）獲得[27]。

水產品中病原微生物生長模型的建立和相應軟件的開發為水產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食品與微生物作用之間的寶貴信息，從而有助于提高水產品的安全和質量，減少經濟損失，使水產漁業能夠更好地發展。

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，指導產品研發，優化生產操作和流通環節。預測模型雖然不能完全代替傳統的微生物學實驗和微生物學家的經驗和判斷，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領域的未來發展中，必將會與更多的學科進行交叉和結合，并發展一系列具有通用性和高準確度的預測模型應用于水產品定量微生物危險分析中，從而更好地提高水產品的質量和安全性，使水產行業逐漸發展成為前景廣闊、安全性高和經濟效益大的產業。

[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.預測微生物學發展與水產品的安全控制[J].中國食物與營養,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.水產品病原微生物安全控制技術的研究進展[J].中國食品衛生雜志,2011,23(6):581-586

[5] 孫月娥,李超,王衛東.我國水產品質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，FANG Ting*
（College of Food Science，Fujian Agriculture and Forestry University，Fuzhou 350002，Fujian，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