УДК 004.942:579.67
Библ. 37.
DOI: 10.21323/2071-2499-2023-1-50-53

Обзор прогностических моделей в пищевой микробиологии

Батаева Д.С., канд. техн. наук, Грудистова М.А., канд. техн. наук, Зайко Е.В., Дерюгин В.К.
ФНЦ пищевых систем им. В.М. Горбатова
Ключевые слова: активность воды, рН, хранение, модели, фазы роста, бактерии, инактивация, пища,
Реферат:
Был проведён обзор прогностических моделей, используемых в пищевой микробиологии. Все модели разделены на модели первого, второго и третьего порядка. Первичные модели описывают изменения в популяции микроорганизмов на конкретные условия среды со временем. Вторичные модели описывают зависимость параметров моделей первого порядка от условий окружающей среды. Результаты первичных моделей используют для математических уравнений вторичных моделей. Модели третьего порядка представляют собой средства компьютерной обработки данных, преобразующие данные моделей первого и второго порядка в удобный для пользователя вид. Модели в зависимости от реакций микроорганизмов на условия окружающей среды представлены: кинетическими моделями роста, моделями начала роста, вероятностными моделями или моделями типа «рост-отсутствие роста», моделями «инактивации-гибели» и моделями выживания. Для понимания прогнозного моделирования необходимо иметь представление о циклах развития бактериальной клетки, а также кинетических параметрах, описывающих кривые микробного роста. Это максимальная удельная скорость роста (µmax), продолжительность lag-фазы (λ) и максимальная плотность популяции (ymax). Прогностическая микробиология – это область исследований в пищевой микробиологии, которая количественно описывает реакцию бактерий на воздействие различных факторов. Прогнозная пищевая микробиология (PMF) путём интерполяции может предсказать рост микробов и порчу пищевых продуктов в условиях, отличных от экспериментально проверенных.

Overview of predictive models in food microbiology

Bataeva D.S., Grudistova M.A., Zayko E.V., Deryugin V.K.
Gorbatov Research Center for Food Systems
Key words: models, growth phases, bacteria, storage, inactivation, pH, water activity, food
Summary:
The paper presents a review of predictive models used in food microbiology. All models are divided into first, second and third order models. Primary models describe changes in microbial populations in response to specific environmental conditions over time. Secondary models describe the dependence of the parameters of the first order models on environmental conditions. The results of the primary models are used for the mathematical equations of the secondary models. Third order models are computer data processing tools that transform the data of first and second order models into a user-friendly form. Models depending on the reactions of microorganisms to environmental conditions are represented by: kinetic growth models, growth initiation models, probabilistic or growth-no-growth models, inactivation-death models, and survival models. To understand predictive modeling, it is necessary to have an understanding of the cycles of the development of a bacterial cell, as well as the kinetic parameters that describe the curves of the microbial growth. These are the maximum specific growth rate (µmax), the duration of the lag phase (λ), and the maximum population density (ymax). Predictive microbiology is a field of research in food microbiology that quantitatively describes the response of bacteria to various factors. Predictive food microbiology (PMF), by interpolation, can predict the microbial growth and food spoilage under conditions other than experimentally verified.

СПИСОК ЛИТЕРАТУРЫ / REFERENCES:

de W. Blackburn, C. Food spoilage microorganisms / C. de W. Blackburn // Woodhead Publishing, 2006.

McDonald, K. Predictive food microbiology for the meat industry: a review / K. McDonald, D.W. Sun // International journal of food microbiology. – 1999. – V. 52. – № 1–2. – P. 1–27. DOI: 10.1016/S0168–1605(99)00126–9.

McMeekin, T.A. Predictive microbiology: Quantitative science delivering quantifiable benefits to the meat industry and other food industries / T.A. McMeekin // Meat science. – 2007. – V. 77. – № 1. – P. 17–27. DOI: 10.1016/j.meatsci.2007.04.005.

4. McMeekin, T.A. Shelf life prediction: status and future possibilities / T.A. McMeekin, T. Ross // International journal of food microbiology.

– 1996. – V. 33. – № 1. – P. 65–83. DOI:10.1016/0168–1605(96)01138–5.

Steele, R. (ed.). Understanding and measuring the shelf-life of food. – Woodhead Publishing, 2004.

Van Derlinden, E. Modeling growth rates as a function of temperature: Model performance evaluation with focus on the suboptimal temperature range / E. Van Derlinden, J.F. Van Impe // International journal of food microbiology. – 2012. – V. 158. – № 1. – P. 73–78. DOI: 10.1016/j.ijfoodmicro.2012.05.015.

Van Derlinden, E. Modeling microbial kinetics as a function of temperature: Evaluation of dynamic experiments to identify the growth/inactivation interface / E. Van Derlinden, J.F. Van Impe // Journal of food engineering. – 2012. – V. 108. – № 1. – P. 201–210. DOI: 10.1016/j.jfoodeng.2011.03.037.

Zwietering, M.H. Modeling of bacterial growth as a function of temperature / M.H. Zwietering, J.T. de Koos, B.E. Hasenack, J.C. de Witt, K. van’t Riet // Applied and environmental microbiology. – 1991. – V. 57. – № 4. – P. 1094–1101. DOI: 10.1128/aem.57.4.1094–1101.1991.

Ratkowsky, D.A. Model for bacterial culture growth rate throughout the entire biokinetic temperature range / D.A. Ratkowsky, R.K. Lowry, T.A. McMeekin, A.N. Stokes, R.E. Chandler // Journal of bacteriology. – 1983. – V. 154. – № 3. – P. 1222–1226. DOI: 10.1128/jb.154.3.1222–1226.1983.

Davey, K.R. Validation of a model for predicting the combined effect of three environmental factors on both exponential and lag phases of bacterial growth: temperature, salt concentration and pH / K.R. Davey, B.J. Daughtry // Food research international. – 1995. – V. 28. – № 3. – P. 233–237. DOI: 10.1016/0963–9969(94)00049-E.

Ross, T. Modelling the effects of temperature, water activity, pH and lactic acid concentration on the growth rate of Escherichia coli / T. Ross, D.A. Ratkowsky, L.A. Mellefont, T.A. McMeekin // International journal of food microbiology. – 2003. – V. 82. – № 1. – P. 33–43. DOI: 10.1016/S0168–1605(02)00252–0.

López, S. Statistical evaluation of mathematical models for microbial growth / S. López, M. Prieto, J, Dijkstra, M.S. Dhanoa, J. France // International journal of food microbiology. – 2004. – V. 96. – № 3. – P. 289–300. DOI: 10.1016/j.ijfoodmicro.2004.03.026.

Huang, L. Optimization of a new mathematical model for bacterial growth / L. Huang // Food Control. – 2013. – V. 32. – № 1. – P. 283–288. DOI: 10.1016/j.foodcont.2012.11.019.

Jewell, K. Comparison of 1-step and 2-step methods of fitting microbiological models / K. Jewell // International Journal of Food Microbiology. – 2012. – V. 160. – № 2. – P. 145–161. DOI: 10.1016/j.ijfoodmicro.2012.09.017.

Coroller, L. Modelling of growth, growth/no-growth interface and nonthermal inactivation areas of Listeria in foods / L. Coroller, D. Kan-King-Yu, I. Leguerinel, P. Mafart, J.-M. Membré // International journal of food microbiology. – 2012. – V. 152. – № 3. – P. 139–152. DOI: 10.1016/j.ijfoodmicro.2011.09.023.

Baranyi, J. A dynamic approach to predicting bacterial growth in food / J. Baranyi, T.A. Roberts // International journal of food microbiology. – 1994. – V. 23. – № 3–4. – P. 277–294. DOI: 10.1016/0168–1605(94)90157–0.

Baranyi, J. Predicting growth of Brochothrix thermosphacta at changing temperature / J. Baranyi, T.P. Robinson, A. Kaloti, B.M. Mackey // International journal of food microbiology. – 1995. – V. 27. – № 1. – P. 61–75. DOI: 10.1016/0168–1605(94)00154-X.

Rosso, L. Convenient model to describe the combined effects of temperature and pH on microbial growth / L. Rosso, J.R. Lobry, S. Bajard, J.P. Flandrois // Applied and environmental microbiology. – 1995. – V. 61. – № 2. – P. 610–616. DOI: 10.1128/aem.61.2.610–616.1995.

Baranyi, J. Some properties of a nonautonomous deterministic growth model describing the adjustment of the bacterial population to a new environment / J. Baranyi, T.A. Roberts, P. Mcclure // Mathematical Medicine and Biology: A Journal of the IMA. – 1993. – V. 10. – № 4. – P. 293–299. DOI: 10.1093/imammb/10.4.293.

Perez-Rodriguez, F. Predictive microbiology in foods / F. Perez-Rodriguez, A. Valero // Springer New York, 2013. – P. 1–10.

Machado, M.A. Microcalorimetric growth behavior of E. coli ATCC25922 in an MCDSC / M.A. Machado, D.H.B. Ribeiro, D.A. Longhi, B.A.M. Carciofi, P.L.M. Barreto // Journal of Microbiological Methods. – 2023. – V. 205. – P. 106674. DOI: 10.1016/j.mimet.2023.106674.

da Silva, N.B. Modeling the growth of Lactobacillus viridescens under non-isothermal conditions in vacuum-packed sliced ham / N. da Silva, D.A. Longhi, W.F. Martins, J.B. Laurindo, G.M.F. de Aragão, B.A.M. Carciofi // International Journal of Food Microbiology. – 2017. – V. 240. – P. 97–101. DOI: 10.1016/j.ijfoodmicro.2016.05.014.

McKellar, R.C. Modeling microbial responses in food / R.C. McKellar, X. Lu // CRC press, 2003. DOI: 10.1201/9780203503942.

Vadasz, P. Biological implications from an autonomous version of Baranyi and Roberts growth model / A.S. Vadasz, P. Vadasz // International journal of food microbiology. – 2007. – V. 114. – № 3. – P. 357–365. DOI: 10.1016/j.ijfoodmicro.2006.10.010.

Huang, L. A new mechanistic growth model for simultaneous determination of lag phase duration and exponential growth rate and a new Bĕlehdrádek-type model for evaluating the effect of temperature on growth rate / L. Huang // Food microbiology. – 2011. – V. 28. – № 4. – P. 770–776. DOI: 10.1016/j.fm.2010.05.019.

Huang, L. Evaluating the Effect of Temperature on Microbial Growth Rate – The Ratkowsky and a Bělehrádek-Type Models / L. Huang, C.A. Hwang, J. Phillips // Journal of Food Science. – 2011. – V. 76. – № 8. – P. M547-M557. DOI: 10.1111/j.1750–3841.2011.02345.x.

Rosso, L. An unexpected correlation between cardinal temperatures of microbial growth highlighted by a new model / L. Rosso, J.R. Lobry, J.P. Flandrois // Journal of theoretical biology. – 1993. – V. 162. – № 4. – P. 447–463. DOI: 10.1006/jtbi.1993.1099.

Buchanan, R.L. Response surface model for predicting the effects of temperature pH, sodium chloride content, sodium nitrite concentration and atmosphere on the growth of Listeria monocytogenes / R.L. Buchanan, J.G. Phillips // Journal of Food Protection. – 1990. – V. 53. – № 5. – P. 370–377. DOI: 10.4315/0362–028X‑53.5.370.

Huang, L. Effect of temperature on microbial growth rate-mathematical analysis: the Arrhenius and Eyring-Polanyi connections / L. Huang, A. Hwang, J. Phillips // Journal of food science. – 2011. – V. 76. – № 8. – P. E553-E560. DOI: 10.1111/j.1750–3841.2011.02377.x.

30. Электронный ресурс. – Режим доступа: [https://pmp.errc.ars.usda.gov/pmponline.aspx].

Electronic resource. – Access mode: [https://pmp.errc.ars.usda.gov/pmponline.aspx].

31. Электронный ресурс. – Режим доступа: [https://www.combase.cc/index.php/en/].

Electronic resource. – Access mode: [https://www.combase.cc/index.php/en/].

32. Электронный ресурс. – Режим доступа: [https://frisbeetool.eu/GInaFit/What-is-GInaFiT.html].

Electronic resource. – Access mode: [https://frisbeetool.eu/GInaFit/What-is-GInaFiT.html].

33. Электронный ресурс. – Режим доступа: [https://www.sas.com/ru_ru/home.html].

Electronic resource. – Access mode: [https://www.sas.com/ru_ru/home.html].

34. Электронный ресурс. – Режим доступа: [https://www.mathworks.com/products/matlab.html].

Electronic resource. – Access mode: [https://www.mathworks.com/products/matlab.html].

35. Электронный ресурс. – Режим доступа: [https://www.wolfram.

com/mathematica/].

Electronic resource. – Access mode: [https://www.wolfram.com/mathematica/].

36. Электронный ресурс. – Режим доступа: [https://splus-software.com.vn/].

Electronic resource. – Access mode: [https://splus-software.com.vn/].

37. Электронный ресурс. – Режим доступа: [https://www.ibm.com/spss].

Electronic resource. – Access mode: [https://www.ibm.com/spss].

Контакты:

Батаева Дагмара Султановна
d.bataeva@fncps.ru
Грудистова Мария Александровна
m.grudistova@fncps.ru
Зайко Елена Викторовна
e.zaiko@fncps.ru
Дерюгин Вячеслав Константинович
v.deryugin@fncps.ru

Для цитирования:

Батаева, Д.С. Обзор прогностических моделей в пищевой микробиологии / Д.С. Батаева, М.А. Грудистова, Е.В. Зайко, В.К. Дерюгин // Все о мясе. – 2023. – № 1. – С. 50-53. DOI: 10.21323/2071-2499-2023-1-50-53.

For citation:

Bataeva, D.S. Overview of predictive models in food microbiology / D.S. Bataeva, M.A. Grudistova, E.V. Zayko, V.K. Deryugin // Vsyo o myase. – 2023. – № 1. – Р. 50-53. DOI: 10.21323/2071-2499-2023-1-50-53.