農產品中有害微生物的風險評估研究進展

孫效樂等

摘要：通過對近年來國內外有害微生物風險評估技術的研究，分析闡述了有害微生物風險評估工作四個方面（危害識別、危害描述、暴露評估、風險描述）的主要內容與特點，有害微生物風險評估工作中模型建立的主要方法與所使用的軟件，以及國內外近年來有害微生物風險評估研究的特點。

關鍵詞：風險評估；有害微生物；蒙特卡洛模擬

中圖分類號：TS207.4文獻標識號：A文章編號：1001-4942（2014）01-0142-06

目前農產品質量安全突發事件時有發生，直接影響到人們的身體健康以及消費信心。農產品質量安全越來越受到人們的重視和關注。利用風險評估手段，加強對農產品的質量監管，在個別農產品被有害微生物污染之前有效發現風險，識別原因，描述劑量與危害之間關系，評估暴露程度，最終科學地描述整個風險十分重要。來自世界衛生組織的風險評估定義是：對來自于化學的、生物的、物理的危害對人體健康造成的已知或者潛在的風險危害進行科學估計與分析，其最終目的是預測尚未發生的公共風險，這種風險是由以一定概率出現的已知危害導致，從而使公共農產品安全管理從亡羊補牢似的末端控制向防患于未然的風險控制轉變。《中華人民共和國產品質量安全法》（2006）、《中華人民共和國食品安全法》（2009）從法律角度確立了農產品安全風險評估體系的重要性。

農產品風險評估就如同農產品的天氣預報，目的不僅僅局限于研究具體的危害，而在于預測風險。要成功預測某種風險，必須通過大量確鑿實驗數據的積累，將生物學與統計學、數學、毒理學等相關學科有機地整合在一起。農產品中有害微生物的風險評估具有自身特點，主要體現在微生物在農產品上的含量存在動態變化。科學模擬微生物的動態變化是一個難題，特別是模擬微生物在農產品從生長到收獲，并通過貯藏、流通手段進入到消費環節，最終被人食用整個過程中的動態，因為微生物非常容易受到溫度、濕度、有氧無氧等因素的影響。本文綜述了風險評估的主要內容、模型特點以及國內外研究進展，以期對我國有害微生物的風險評估工作起到一定的促進作用。

1風險評估的主要內容

1.1危害識別

危害識別的主要任務是闡述造成危害的來源。有害微生物帶來的危害主要有兩種：一種是有害微生物侵染人體后可以對人體健康帶來危害，比如副溶血性弧菌感染人體后可以造成腹瀉、嘔吐等癥狀；另一種是有害微生物的代謝產物具有毒性，進入人體后對健康造成危害，比如黃曲霉產生的黃曲霉素是劇毒物、強致癌物，微量可以致死[1]。

目前充分利用微生物學、病理學、毒理學的相關成果，絕大多數有害微生物造成的農產品質量安全事件的危害識別工作都是清晰科學的。在我國，危害水產品安全的微生物主要是耐鹽的副溶血性弧菌[2]，該菌存活能力強，在抹布以及砧板上可存活一個月以上。對肉類、奶制品、禽制品造成危害的主要是單核增生李斯特菌，該菌可造成敗血癥、腦膜炎，并且該菌在4℃仍可繁殖，可以污染冷藏食品。沙門氏菌則容易侵染肉類、奶類等基質[3]，并在肉類以及奶類上呈現不同的生長特點。

1.2危害描述

危害描述的主要任務是給出有害微生物的劑量-危害關系。目前微生物學、毒理學、病理學提供了大量實驗數據以及研究成果，闡述了多數有害微生物對人體造成危害的途徑機理，但有害微生物的劑量-危害關系仍然需要深入研究。

危害描述可以分為定性描述與定量描述兩大類，中心任務是構建有害微生物的劑量-危害關系。但在解決實際問題時，還需要將微生物的生長模型與劑量-危害模型結合起來，因為在某段時間內，微生物在基質中可生長繁殖，從而使得微生物的劑量呈現動態變化，在條件適宜時這種生長呈現爆發式的指數增長，對危害大小的影響巨大，必須加以考慮。

劑量-危害模型的構建過程就是通過數學的方法來描述有害微生物的劑量與危害結果之間的關系，將劑量與危害通過一個或者多個函數方程式聯系起來。

此項工作的困難在于，多數情況下缺少有害微生物在臨床上造成危害的詳細數據。因為人體試驗被禁止。由動物模型得出的實驗數據推廣到人體身上存在一定誤差。

更加值得注意的是，在傳統的病理學試驗中，動物模型的規模有限，而有害微生物的風險評估的研究對象是某個城市，甚至一個國家。不同地區、不同年齡人群的體質不同，會使得相同劑量造成不同影響。

1.3暴露評估

暴露評估是進行有害微生物風險評估定量分析的重要依據，主要內容是通過統計學分析“定量”，確定人體受到有害微生物的侵襲（暴露）的暴露量的大小、暴露頻率高低、持續時間長短乃至通過哪些暴露途徑進行侵襲。應當注意的是，想要獲得明確的暴露評估，需要獲知暴露在有害微生物下的特定人群的數量、年齡、分布等信息。

有害微生物的侵襲（暴露）過程復雜多樣，想要獲得一個較大群體內具體每個人一生幾十年的時間跨度內對應某個特定有害微生物的暴露情況幾乎不可能，只能通過統計學的科學抽樣調查結合合理的假設進行估計。當具體研究某種有害微生物的暴露評估時，多數情況下，人群接觸到此種暴露都是通過食用了被有害微生物侵染的農產品。調查得出此人群食用各種農產品的比例，與每個農產品被此種有害微生物的侵染比例及此農產品所含有的有害微生物的量相乘，最終將各個農產品組相加求和就簡易地得到了暴露量。

此種方法依賴大量的調查分析，沒有建立復雜的暴露評估模型，最終也獲得了某個有害微生物的暴露量。優點是通過具體抽樣得到的結論較為可信，缺點是較難應用于預測式風險管理。比如，某地區在春季通過抽樣調研的方式獲得了致病性李斯特菌的暴露量，但當需要預測夏季本地區李斯特菌的風險時，需要重新抽樣調查，因為溫度對致病性李斯特菌的含量變化影響巨大。

對于預測式的暴露評估，需要構建暴露評估模型。較為先進的暴露評估模型可以模擬某個農產品“生產環節—加工環節—儲藏環節—運輸環節—食用環節”整條產業鏈上某特定有害微生物含量的動態變化，將整條產業鏈中溫度、濕度、微生物種群變化甚至工藝流程如殺菌過程都考慮在內。雖然在最終的暴露評估當中并不會使用到產業鏈中間環節的有害微生物含量，但這樣的模型一旦建立，它的預測能力將非常顯著，可以很好的進行預測式風險管理，并且可以指出哪些是有害微生物暴露量增高的關鍵環節，為降低風險提供重要參考。endprint

1.4風險描述

有害微生物風險評估的最終目的體現在對風險的科學估計與描述上。通過對危害的識別，認清風險因子，即造成風險的原因，進而獲取此種風險因子，也即劑量與危害的關系。并調查獲知大眾暴露在此種危害的暴露量、頻率、持續時間等信息，通過模型運算，計算得出大眾最終的暴露劑量，結合之前獲得的劑量-危害關系，最終評估出此風險因子對大眾的可以危害程度即風險大小。

2有害微生物風險評估模型的特點

由于在風險評估的四個環節中研究者面對的數據不再是某個特定試驗中的少量數據，而是小到一個區域大到一個國家的大量數據，處理大量的數據需要運用統計學原理，特別是大量的分布函數被應用到有害微生物的風險評估當中[4]。

比如要構建某地牛奶中沙門氏菌的風險評估模型，其中一個重要的參數為此地牛奶中沙門氏菌的含量。即便通過大量抽樣檢驗，獲得了500份樣品的沙門氏菌含量，仍然不能將此變量定為某個特定的確定數值。將此500份結果取平均值的方法不科學，一旦采用取平均值的方法，少量高劑量組將被掩蓋從而不能正確反映低概率的風險，應當通過數學計算，將樣品的沙門氏菌含量擬合出相應的分布函數。

最早的定量風險評估模型是概率模型。它基于傳統的數學概率算法，其缺點一是不能高效處理大量數據，二是求解困難。求解多元高階函數一直是數學難題，在有害微生物風險評估中，初始有害微生物含量、時間、溫度、濕度、人群總數、兒童以及老人所占比例、人均日常食物攝入量等都將成為概率模型中的自變量。可見，風險模型越完善，涉及的因素越多，函數的自變量個數越多，函數就越難求解。

現如今，模擬算法給多元函數求解提供了新思路，并被應用于有害微生物的風險評估當中。其思路是不求函數的真實解，而是求函數的近似解，模擬的次數越多，近似解就越接近于真實解。其中應用最廣泛的是蒙特卡洛模擬。蒙特卡洛（MonteCarlo）模擬最早是由美國物理學家Metropolis在參與著名的曼哈頓計劃時創建的。如今，蒙特卡洛模擬技術是概率評估的主要手段之一[5]，被廣泛應用于經濟學、物理學等多個領域。蒙特卡洛模擬被越來越多地應用于農產品的風險評估當中，并得到各國權威部門的肯定。美國環保總局（EPA）將蒙特卡洛模擬定為風險分析基本方法。蒙特卡洛方法是依據事物現象體現本質的統計規律，或者是人為構建的合理的依賴隨機變量的概率模型，將某些隨機變量的統計量作為待解決函數（問題）的解，進行大量統計計算的統計實驗方法或者計算機隨機模擬方法。它依據的是均勻分布的算術平均收斂于真值（大數法則），以及置信水平下的統計誤差（中心極限）[6]。具體地說，在解決有害微生物風險評估這一復雜問題時，因為涉及到的變量過多，精確的數學模擬過于復雜而無法求解，然而通過蒙特卡洛方法，利用隨機模擬法近似的計算出有害微生物所造成的風險值，隨著模擬次數的增加，其預計精度也會不斷增加。最終，通過計算機的高速運算，完成上萬次的模擬運算，就可以得到有害微生物的風險概率，隨著模擬次數的增加，風險概率的置信率也不斷提高[7]。

蒙特卡洛模型從根本上說仍然屬于概率模型，只不過使用蒙特卡洛算法代替了微分算法。依據蒙特卡洛方法，已經開發出多種軟件輔助處理數據，并完成上萬次的計算模擬。其中，美國Palisade公司的@RISK工具被廣泛引用。@RISK通過加載到人們熟知的數據庫軟件Excel中，使得Excel具有了構建高級統計分布函數以及風險分析功能。可以完成大量數據與高級統計分布函數擬合，以及蒙特卡洛模擬[8]。@RISK可以完成的工作最主要的是兩個：概率分布擬合以及模擬計算。比如，在暴露評估研究中，需要統計出某地區人口的年齡分布，作為終生暴露總時間，然后將大量年齡數據輸入Excel，利用@RISK的分布函數擬合功能，就可以得到一條最佳的分布函數。當得到最終的風險函數后，因為這個風險函數中必然包含著不止一個概率分布子函數，使得這個風險函數異常復雜難以求解。利用@RISK的模擬計算功能，選擇恰當的隨機數抽樣方法，例如，在馬爾科夫鏈蒙特卡洛法（MCMC）中通常選用Gibbs抽樣和Metropolis-Hastings抽樣，計算機即依照指定的抽樣方法，模擬抽取出符合風險函數子函數（某個概率分布函數）的數值，從而模擬計算風險的近似值。

另外一個應用廣泛的解決蒙特卡洛模擬的軟件是美國MathWorks公司出品的MATLAB。作為應用最廣泛的數學軟件，MATLAB功能異常強大，通過可擴展的工具箱，幾乎涵蓋了統計學中主要函數。編程語言簡單、編程容易、效率極高是它的優點，通過它來應用蒙特卡洛方法解決風險評估工作時，僅僅使用了MATLAB很小的一部分功能[9]。也因為MATLAB并非專門的蒙特卡洛處理軟件，所以較@RISK需要更多的時間學習才能掌握。

貝氏網格是一種描述變量間隨機關系的圖解模型，近年來也被應用于有害微生物的風險評估[17]。貝氏網格應用了貝葉斯法則，該法則認為：事件A在事件B（發生）的條件下的概率與事件B在事件A的條件下的概率是不一樣的，然而，這兩者是有確定的關系，貝葉斯法則就是這種關系的陳述，或者表述為：后驗概率=標準似然度×先驗概率。貝葉斯概率與傳統頻率概率的區別在于概率如何被賦值。貝氏網格模型近期才被應用到有害微生物的風險評估當中，給蒙特卡洛模型起到了補充作用。

3國內外有害微生物風險評估研究的進展

3.1國內研究進展

我國的農產品質量安全風險評估工作還處于發展階段，有害微生物的風險評估工作有一定開展，但仍然不夠完善。

首先是對象不全面。國內風險評估工作的研究對象，即風險因子，主要集中在單增李斯特菌、沙門氏菌、肉毒桿菌、金黃色葡萄球菌、黃曲霉等有限的幾種。田靜等[10]報道研究了熟肉中單增李斯特菌的風險評估與風險管理應對方法，對單增李斯特菌開展了危害識別、危害特征描述、暴露評估和風險特征描述。董慶利等[11]同樣也研究了單增李斯特菌的風險評估，獲得了通過劑量-危害關系，利用半定量的研究方法，推測出易感人群和非易感人群由于攝入即食農產品導致單增李斯特菌病的每年發病概率。朱玲等[12]報道了沙門氏菌的劑量-危害關系。林強等[13]報道了牡蠣養殖中副溶血弧菌與水質因子間的關系。研究對象的單一嚴重制約了我國有害微生物風險評估工作的開展。endprint

國內有害微生物風險評估研究所使用的模型多數為國外建立的成熟模型。國內學者在使用這些模型的過程中，往往將模型參數一并引用，而此類參數多以統計學獲得。中外飲食結構、人群構成存在較大差異，引用國外參數往往造成評估不準確。郭耀東等[14]將概率分析原理應用到風險評估當中，對風險評估模型做了初步探索，研究了玉米農產品中黃曲霉毒素B-1膳食暴露及風險評估。

國內有害微生物風險評估工作往往研究的是風險評估四個主要步驟中的某一個或者某幾個，沒有系統研究。系統不完善使得問題被分開闡述，不能從整體大局上給出描述。董慶利等[15]開展了某市冷卻豬肉中氣單胞菌風險評估中最主要的暴露評估，包含冷卻豬肉原料的銷售、運輸以及貯藏3個環節，沒有涉及氣單胞菌的危害識別、危害特征描述和風險特征描述。王偉等[16]研究了我國居民膳食暴露脫氧雪腐鐮刀菌烯醇、雪腐鐮刀菌烯醇和玉米赤霉烯酮的暴露水平，也缺少其余三方面的研究。

3.2國外研究進展

國外對有害微生物風險評估的研究較為深入，主要體現在對農產品風險評估模型的深入研究上。Greinera等[17]對農產品風險評估的研究沒有停留在僅僅關注蒙特卡洛-風險模型，而是進一步研究了依據蒙特卡洛算法建立模型的可靠性，試圖發現蒙特卡洛模型的不足并使用新的模型來彌補。他們將貝葉斯推論（Bayesianinference，BI）模型與蒙特卡洛模型做了對比，發現蒙特卡洛模型的一個不足之處是不能處理模型參數的反饋，然而將貝葉斯推論模型融合進蒙特卡洛模型中就可以彌補這一缺陷，方法是在蒙特卡洛模型中引入貝葉斯域。同時證明僅依靠貝氏網格（一種描述變量間隨機關系的圖解模型）就可以構建完整的定量風險評估模型。

西班牙學者Pérez-Rodríguez等[18]利用傳統統計學與二階蒙特卡洛模型研究了美國老年人群由于食用熟食肉而感染單增李斯特菌的情況，提出了一個假說：每年的食源性疾病數量的變異系數（CV）隨著暴露量的增加而減少。他們通過中值極限定理從數學角度證明了這一推論，并且，來自不同國家的沙門氏菌以及李斯特菌感染的流行病學數據支持這一假說。他們希望這一假說提供給農產品安全專家一個新的視角，從長時間跨度以及大地區范圍來認識微生物感染農產品的復雜情況。

國外學者在進行致病微生物的危害識別時，更加注重研究在某些流通、生產階段內農產品所感染的有害微生物的動態變化，而不是單純研究有害微生物在實驗室條件下的生長曲線，由此所獲得的數據對現實有更大的指導意義。Posada-Izquierdo等[19]建立了大腸桿菌（O157∶H7）在生鮮萵苣葉上的生長模型，模擬了生鮮萵苣葉在商業工藝條件，主要是含氯水洗滌以及空調保鮮包裝下大腸桿菌的生長情況。生長模型的置信帶（confidencebands）等信息由蒙特卡洛模擬計算得到。在8、13℃以及16℃下，評估出的最大生長率（logcfu/day）分別為0.14（95%CI：0.06～0.31）、0.55（95%CI：0.17～1.20）以及1.43（95%CI：0.82～2.15）。

Sampedro等[20]則關注了新型物理殺菌法——脈沖電場法的殺菌效果，研究了在某果汁飲料中pH、果膠濃度對脈沖電場法殺滅沙門氏菌效果的不同影響。他們利用蒙特卡洛模擬，基于威布爾分布函數，確認了各個因素對殺菌效果的影響大小，提出利用蒙特卡洛模擬可以有效預測工藝參數以及產品配方對農產品安全的影響。

Puerta-Gomez等[21]利用場景分析以及預測微生物學，建立了一個風險模型來研究嬰兒食用即食菠菜過程中感染沙門氏菌的風險情況，菠菜收獲季節的溫度控制、洗滌、照射等因素被納入到模型當中。研究發現，當在20℃收獲、儲藏至少5h、使用含氯（220mg/L）水洗滌、輻照條件為1kGy時，菠菜所攜帶沙門氏菌的含量最低。

利用蒙特卡洛模擬，Belda-Galbis等[22]評估了不同濃度下香芹酚以及檸檬醛對大腸桿菌、李斯特菌的抑制作用。在這個隨機模型中，最大生長速率以及延遲時間都被作為參數考慮在內。Coulliette等[23]研究了氯氣水溶液對沙門氏菌、弧菌感染風險的降低作用。

4展望

農產品的微生物安全關系到每個人的切身利益，國家高度重視并不斷加強對農產品的微生物安全管理工作。農產品質量安全工作者應當積極與數學、毒理學等專業學者交流學習，推動我國農產品中有害微生物風險評估工作向著風險模型的深入優化以及農產品加工生產到消費全過程監控的方向發展，充分利用現有資源，少做不做低端重復工作，多做學做系統性深入性研究。

參考文獻：

[1]李培武，丁小霞，白藝珍，等.農產品黃曲霉毒素風險評估研究進展[J].中國農業科學，2013，46（12）：2534-2542.

[2]孟娣.水產品中副溶血性弧菌快速檢測技術及風險評估研究[D].青島：中國海洋大學，2007.

[3]MeadG，LammerdingAM，CoxN，etal.全球禽肉生產和貿易中的沙門菌風險評估與控制[J].中國家禽，2011，5：34-43.

[4]邵偉.蒙特卡洛方法及在一些統計模型中的應用[D].濟南：山東大學，2012.

[5]苑克俊，張道輝，李震三，等.農業科研數據處理軟件DPS-98的設計[J].農業系統科學與綜合研究，1999，1：61-63，67.

[6]黃思達.基于蒙特卡洛模擬法的股票掛鉤結構性理財產品的收益探析[J].金融經濟，2012，22：100-102.

[7]陳伶俐.信用風險模型的分析與蒙特卡洛模擬[D].成都：西南財經大學，2012.

[8]馬興莉，李志紅，陳克，等.@RISK在有害生物定量風險評估中的應用[J].植物檢疫，2010，6：1-6.endprint

[9]張仙風，呂志鵬.基于MATLAB的蒙特卡洛方法在可靠性設計中的應用[J].裝備制造技術，2006，4：76-77.

[10]田靜.熟肉制品中單增李斯特菌的風險評估及風險管理措施的研究[D].北京：中國疾病預防控制中心，2010.

[11]董慶利，鄭麗敏，黨維鑫，等.即食食品中單增李斯特菌的半定量風險評估[J].食品工業科技，2012，11：321-323，366.

[12]朱玲，許喜林，周彥良，等.加工肉雞中沙門氏菌風險評估[J].現代食品科技，2009，7：825-829.

[13]林強，李寧求，付小哲，等.牡蠣養殖過程中副溶血弧菌與水質因子間的關系[J].水產學報，2012，3：415-421.

[14]郭耀東，陳璐，袁亞宏，等.基于概率分析的玉米食品中黃曲霉毒素B_1膳食暴露及風險評估[J].食品科學，2013，11：24-27.

[15]董慶利，高翠，鄭麗敏，等.冷卻豬肉中氣單胞菌的定量暴露評估[J].食品科學，2012，15：24-27.

[16]王偉，邵兵，朱江輝，等.中國谷物制品中重要鐮刀菌毒素膳食暴露評估研究[J].衛生研究，2011，6：709-714.

[17]GreinerM，SmidJ，HavelaarAH，etal.Graphicalmodelsandbayesiandomainsinriskmodelling：applicationinmicrobiologicalriskassessment[J].Prev.Vet.Med.，2013，110（1）：4-11.

[18]Perez-RodriguezF，ZwieteringMH.Applicationofthecentrallimittheoreminmicrobialriskassessment：highnumberofservingsreducesthecoefficientofvariationoffood-borneburden-of-illness[J].Int.J.FoodMicrobiol.，2012，153（3）：413-419.

[19]Posada-IzquierdoGD，Perez-RodriguezF，Lopez-GalvezF，etal.ModellinggrowthofEscherichiacoliO157∶H7infresh-cutlettucesubmittedtocommercialprocessconditions：chlorinewashingandmodifiedatmospherepackaging[J].FoodMicrobiol.，2013，33（2）：131-138.

[20]SampedroF，RodrigoD，MartínezA.ModellingtheeffectofpHandpectinconcentrationonthePEFinactivationofSalmonellaentericaserovarTyphimuriumbyusingtheMonteCarlosimulation[J].FoodControl，2011，22（3-4）：420-425.

[21]Puerta-GomezAF，KimJ，MoreiraRG，etal.Quantitativeassessmentoftheeffectivenessofinterventionstepstoreducetheriskofcontaminationofready-to-eatbabyspinachwithSalmonella[J].FoodControl，2013，31（2）：410-418.

[22]Belda-GalbisCM，Pina-PérezMC，LeufvénA，etal.ImpactassessmentofcarvacrolandcitraleffectonEscherichiacoliK12andListeriainnocuagrowth[J].FoodControl，2013，33（2）：536-544.

[23]CoullietteAD，EngerKS，WeirMH，etal.RiskreductionassessmentofwaterborneSalmonellaandVibriobyachlorinecontactdisinfectantpoint-of-usedevice[J].Int.J.Hyg.EnvironHealth，2013，216（3）：355-361.endprint