Microbiologie previzionala

CURS- MASTER CESA

 

Introducere

 Microbiologia previzionala este un domeniu al

microbiologiei în care raspunsul microorganismelor, la
actiunea controlata a diversilor factori, care le influenteaza
dezvoltarea, este exprimat sub forma de modele
matematice
 se anticipeaza astfel, comportamentul microorganismelor
 în condiții ce nu au fost testate practic.
 

Introducere

 Pentru industria alimentara acest domeniu este

important pentru:
 Prelucrarea materiilor prime
 Timpul transportului
 Pastrare
 Gatire

Evolutia microorganismelor se refera la multiplicarea celulelor,

moartea lor sau producerea de toxine.
 

Scurt istoric

 Conceptul microbiologiei previzionale a fost sugerat din 1937, dar nu a

putut fi pus in practica decat in anii 80, cand au fost disponibile
fonduri pentru cercetare, ca raspuns la epidemiile declansate prin
consumul de alimente, si a fost perfectionata tehnica de calcul.
 Modelele matematice realizate pentru omorarea bacteriilor sporulate
constitue baza realizarii produselor conservate prin sterilizate.
 In anii 70 s-au studiat valorile unor parametri ai mediului de cultura
sau ai mediului ambiant care limiteaza cresterea MO
 În anii 80 s-au colectat date cu privire la viteza de crestere a MO sau
producerea de toxine de catre unele MO (Clostridium botulinum).
 

Scurt istoric

 Cele mai cunoscute programe utilizate au fost:

 FoodMicroModel (FMM) - Marea Britanie (cresterea si
omorarea patogenilor)
 Pathogen Modeling Program (PMP) – Statele Unite ( primul
program sa realizeze predictii graduit pentru cercetarorii din
industria alimentara)
 

Modele disponibile prin intermediul programelor de

calculator la inceputul anilor 90
Programul Tipul de model Organismul Factorii modelati

Food  Viteza de crestere,  Aeromonas hydrophila Temperatura, pH, NaCl

MicroModel Perioada de latenta
 Bacillus cereus Temperatura, pH, NaCl
 Bacillus licheniformis Temperatura, pH, NaCl
 Bacillus subtilis Temperatura, pH, NaCl
Clostridium perfringens Temperatura, pH, NaCl
Pathogen  Viteza de crestere,  Listeria monocytogenes Temperatura, pH, NaCl,
Modeling Perioada de latenta, nitrit, lactat
Program  viteza de omorare  Staphylococcus aureus Temperatura, pH, NaCl,
atermica nitrit, lactat
 Salmonella Temperatura, pH, NaCl, nitrit

Timpul de producere a Clostridium botulinum Temperatura, pH, NaCl

toxinei
Food Spoilage Crestere in conditii  Pseudomonas sp. Temperatura, activitatea apei
Predictor fluctuante, perioada
ramasa din durata de
pastrare
Delphi Crestere in conditii  E. coli Temperatura, anaerobioza
fluctuante
 

Microorganismele pentru care s-au realizat modele incluse in programul

Food MicroModel si domeniile lor de operare

Microorganisme Domenii de operare

Temp. pH a w NaC l % Nitrit de Na Glicerol
%
 B. cereus 5-30 5.4-7.2 0.95-1 0.5-6.5 - -
 B. subtilis 10-34 4.8-7.0 0.9-1 - - 0-28
Campylobacter jejuni 5-42 4.5-8.5 - 0.5-4.5 - -
Clostridium botulinum 5-30 5.0-7.0 - 0-5 - -
 E. coli 10-30 - - 0.5-6.5 - -
 Listeria monocytogenes 3-30 4.6-7.4 0.5-0.8 - 0-200 -
 Salmonella 10-30 4.0-6.8 - 0.5-4.5 0-200 -
 Staphylococcus aureus 10-30 4.5-7.0 - 0.5-13.5 - -
Yersinia enterocolitica 0-30 4.5-7.0 - 0-8.0 - -
 

ComBase (COMon relational dataBase)

  www.combase.cc
 Lansat in iunie 2003
 Continea la acea data, 2400 curbe de crestere / supravetuire si 8000 de
inregistrari ale parametrilor cinetici
 Sunt inregistrate 2 tipuri de raspunsuri microbiologice: curbele de crestere sau
supravetuire/inactivare ale unor MO si parametri cinetici care definesc
cresterea sau inactivarea MO patogene, de alterarea sau producatoare de
toxine.
 Detine date despre: Brochothrix thermosphacta, diferite specii de
 Pseudomanas, enterobacterii, bacterii lactice, bacterii psihotrofe
 Utilizatorii pot realiza cautari in baza de date pentru orice combinatie de MO
de interes/tip de aliment/conditii de dezvoltare
 

ComBase
 

Modele valabile si semnificatia parametrilor

  Valoarea initiala: densitatea celulara calculata initial în valoare

logaritmica ((in log10 cfu/g sau ln cfu/g).
 Faza Lag: este definita ca intersectia tangentei la faza de crestere
initiala cu valoarea Initiala.
 Rata maxima de crestere: De exemplu, daca nr de celule bacteriene este
log10 cfu/g iar timpul este dat in ore, Rata maxima de crestere va fi
log10 cfu/g/h.
  valoarea finala: densitatea celulara finala exprimata in valoare
logaritmica.
 

 MODEL OF BARANYI AND ROBERTS (1994)  MODEL OF BARANYI AND ROBERTS (1994) – 
no lag 

Model of Baranyi and Roberts (1994)-

no asymtot 
 

 
Modele triliniare, bifazice sau liniare  

Model triliniar Biphasic model (no lag)

Biphasic model (no asymtot) Model liniar

 

Beneficii si limitari in microbiologia previzionala

 Consumatorii doresc alimente lipsite de MO patogene, aditivi sau contaminanti

ceea ce implica o buna cunoastere a fiziologiei si ecologiei MO si a raspunsului
lor la metodele de conservare aplicate
  Abordarea cantitativa a ecologiei si fiziologiei MO in alimente prin intermediul
microbiologiei previzionale, permite:
 Previziunea consecintelor modificarilor operate in retele de fabricatie a produselor alimentare, atat din
punct de vedere al sigurantei cat si al duratei de pastrare
 Proiectarea rationala a proceselor si produselor noi, pentru a indeplini conditiile de siguranta alimentara si
a respecta termenele de valabilitate
 Evaluarea obiectiva a consecintelor în cazul pierderii controlului proceselor si adoptarea de masuri
adecvate de remediere
 Combinarea cu tehnicile de modelare stochastica pentru a permite analiza sistemelor , cu scopul de a
pune in evidenta etapele din procesul de prelucrare a alimentelor care contribuie în proportie mai mare la
riscul alimentar.
 Crearea de materiale didactice care sa usureze întelegerea lucrurilor in procesele de formare si instruire a
specialistilor din industria alimentara.
 

Controverse:

 1. Pornirea de la presupuneri ca in alimente exista un anumit nr de MO aflate

intr-o anumita stare fiziologica
 2. Construirea de modele matematice pe baza datelor colectate din testari
realizate in sisteme model de alimente
 3.Variabilitatea raspunsurilor date de MO la actiunea factorilor care le
influenteaza dezvoltarea
 4. Natura empirica a modelelor utilizate in prezent.
 

Clasificarea modelelor utilizate in microbiologia previzionala

 Criterii de clasificare:
 A. Conceptul utilizat in realizarea modelului
B. Modul de studiere al evenimentului microbiologic
C. Modul in care se exprima matematic dependenta dintre microorganisme si parametrii
care le influenteaza dezvoltarea

 A. Conceptul utilizat in realizarea modelului

 1.  Modelele empirice deriva dintr-o abordare practica si descriu datele printr-o
relatie matematica simpla
 2.  Modele mecaniciste sunt realizate pe baze teoretice si sunt usor de dezvoltat în
momentul in care se acumuleaza noi date despre evolutia calitativa si cantitativa a
MO
 

Clasificarea modelelor utilizate in microbiologia previzionala

 B. Modul de studiere al evenimentului microbiologic:

 1. Modele cinetice
 2. Modele probabilistice
 3. Modele de interfata

1. Modelele cinetice
 Se sprijina pe ipoteza ca MO gasesc in alimente un mediu favorabil pentru
dezvoltare si ca multiplicarea lor intr-un astfel d e mediu se aseamana cu o
cultivarea statica
 Determina viteza de omorare sau viteza de crestere a MO
 Modele pentru omorarea termica a MO
 Modele pentru omorarea atermica a MO, cele realizate pentru activitatea apei,
pH, acizi organici
 

Clasificarea modelelor utilizate in microbiologia previzionala

 2.  Modele probabilistice iau in considerare probabilitatea producerii unui

eveniment într-o anumita perioada de timp
 Ex. probabilitatea ca un MO sa creasca sau sa produca o toxina intr-o anumita
perioada de timp
 Se bazeaza pe ipoteza ca probabilitatea multiplicarii unei celule microbiene,
intr-un anumit mediu este dependenta de parametrii care definesc mediul
respectiv dar si mediul inconjurator.
 Probabilitatea este o functie de timp: timpul necesar pentru germinarea
sporilor sau iesirea din perioada de latenta
 Încorporeaza elemente stochastice, precum variabilitatea perioadelor de latenta
si vitezele de crestere.
 

Clasificarea modelelor utilizate in microbiologia previzionala

  3. Modele de interfata

  Au fost dezvoltate din dorinta de a defini combinatii minime de factori de conservare care sa
 împiedice dezvoltarea unui anumit MO si sa permita mentinerea sigurantei alimentare în
timp ce se minimalizeaza gradul de prelucrare.

C. Dupa modul in care se exprima matematic dependenta dintre

microorganisme si parametrii care le influenteaza dezvoltarea, modelele se
clasifica in:
1. Modele Primare
2. Modele Secundare
 3. Modele Tertiare
 

Clasificarea modelelor utilizate in microbiologia previzionala

  1. Modelele primare – sunt ecuatii care exprima matematic partea

exponentiala a curbei de crestere microbiană: 

 Ln X/X0 = µmax (t- λ ),

X- concentrația MO la un moment dat , g s.u./L 

X0 - concentratia initiala a MO, g s.u./L
µmax - viteza specifica maxima de crestere, în h -1 ,
t – durata de cultivare, în ore
 λ  – durata fazei de latenta, în ore

Curba exponentiala de crestere

microbiana
 

Clasificarea modelelor utilizate in microbiologia previzionala

  2. Modele Secundare sunt modele care fac legatura dintre  λ   si µmax și 
factorii de mediu. Exista trei categorii de modele secundare:
  A. modele ce deriva din ecuatia lui Arrhenius:

 µmax = A x e – Ea/RT
  A- constanta lui Arrhenius, în min-1
 Ea = energia de activare, J/mol
 R – constanta gazelor
 T – temperatura, in K
 

Clasificarea modelelor utilizate in microbiologia previzionala

 B. modele polinomiale, exprima variatiile lui  λ  si µmax  în funcție de diferiți factori
ce influenteaza dezvoltarea MO.
y = α  +  β x 1 + γ  x 2  + ε  

  y - variabila dependenta
 x1 , x2 - variabile independente (valoarea lor este cunoscuta); reprezinta diferiti
factori care influenteaza dezvoltarea MO ( ex, temp, pH, a w , NaCl, etc.)
 α, β,  γ  –  factori ale caror valori sunt calculate astfel incat sa se minimalizeze
diferentele dintre raspunsul observat si cel prezis de model
 ε  –  termen stochastic, care indica gradul în care raspunsul prezis difera de
raspunsul observat.
 

Clasificarea modelelor utilizate in microbiologia previzionala

 C. modele de tip radacina  patrată, descriu efectul temperaturii asupra vitezei de crestere a MO:

µmax - viteza specifica maxima de crestere, în h -1 

T – temperatura la care se dezvolta un anumit MO, în K
T0 - temperatura minima de dezvoltare a MO, în K
 b- constanta dependenta de alti factori care influenteaza dezvoltarea MO

Modelul ține cont de mai multi factori; daca se ia in calcul si pH-ul, atunci ecuatia devine:

c- constanta dependenta de alti factori care influenteaza dezvoltarea MO

 pH - la care se dezvolta un anumit MO
 pHmin - pH-ul minim de dezvoltarea a microorganismului
 

Modelarea matematica a evolutiei MO în alimente

  1. Identificarea parametrilor semnificativi

 Se identifica parametrii semnificativi pentru producerea unui eveniment
 Se identifica parametrii limitanti pe baza normativelor microbiologice pentru produsele
alimentare si pe baza informatiilor furnizate de aplicanti cu privire la cauzele retururilor, daca
exista.
 2. Delimitarea campului experimental , cuprinde:
- selectarea factorilor care se vor lua in considerare (pH, activitatea apei si temperatura)
- determinarea pentru fiecare factor a intervalului de valori ce permide dezvoltarea MO
- delimitarea limitelor de variatie a factorilor în produsul alimentar luat in considerare

 3. Planificarea experimentelor

 Pentru fiecare factor, se stabileste numarul de niveluri ce vor fi testate si distributia acestora
 Se aleg combinatiile de factori adecvate fiecarui produs
 

Modelarea matematica a evolutiei MO în alimente

  4. Colectarea de date

 Dupa stabilirea alimentului sau mediului de cultura in care vor avea loc experimentarile, a
tipului si marimii inoculului si a metodei de apreciere a concentrației   MO, se efectueaza
testarile care vor furniza datele necesare creării modelelor.
 Concentratia de MO, se poate determina prin :
•   Turbidimetria
Determinarea metabolitilor
Masurarea impedantei
Luminometria
 Datele obtinute sunt introduse intr-o baza de date

 5. Modelarea propriu-zisa

Modelul trebuie construit astfel incat sa stabileasca o legatura între condițiile  experimentale si
cresterea microbiana;
 Alegerea modelului se face in functie de venimentul modelat.
 

Modelarea matematica a evolutiei MO în alimente

Tip de eveniment Tip de model

Formarea de toxine Probabilistic
 Alterarea alimentelor Cinetic (viteza de crestere a
principalului MO de alterare)
Cresterea patogenilor Cinetic
Supravetuirea patogenilor Probabilistic (probabilitatea de
a se dezvolta)
Distrugerea/ Inactivarea MO Cinetic (viteza de distrugere)
(pasteurizare, sterilizare, iradiere
etc.)
 

Modelarea matematica a evolutiei MO în alimente

 Modelele cu o singura variabila independenta sunt modele

 primare.
  Variabila dependenta poate fi:
  Viteza de crestere, viteza de distrugere, timpul
 Poate fi evaluata indirect: ex. viteza de distrugere bacteriilor rezulta din
determinarea numarului de celule supravetuitoare dupa o perioada de timp

Pe baza modelelor primare se construiesc modelele secundare, în

care variabila dependenta va fi exprimata si in functie de efectul
conditiilor de mediu.
Modelele secundare se pot include într-un model realizat pentru a
previziona soarta microorganismelor în timpul prelucrarii,
distribuției, depozitarii unui aliment.
 

Modelarea matematica a evolutiei MO în alimente

  Variabile independente: temperatura, pH-ul, activitatea apei,

concentratiile de nitriți.
 Temperatura – efect dominant asupra vitezei de crestere, fiind urmata
de activitatea apei si pH
 

Validarea modelelor

 Evaluarea capacitatii de a previziona corect raspunsul

microorganismelor la diverse valori ale parametrilor ce caracterizeaza
mediul de cultura sau mediul ambiant
 Predictia microbiologica nu se potriveste niciodata perfect cu realitatea,
din cauza existentei erorilor.
  Surse de erori:
  1. Eroare de omogenitate: apare deoarece unele alimente nu au un
continut omogen iar MO raspund diferit in functie de zonele din aliment in
care se dezvolta.
 2. Eroare de întregime: apare deoarec modelul simplica lucrurile

  3. Eroare de functionare a modelului: apare prin utilizarea modelelor

empirice care aproximeaza realitatea

  4. Eroare de masura: isi are masura in lipsa de acuratețe  a datelor

utilizate pentru a genera un anumit model, ca urmare a incapacitatii noastre

de a masura corect raspunsurile MO si valorile parametrilor mediului
inconjurator.
 

Validarea modelelor

  Validarea implica compararea prezicerii realizate cu ajutorul modelelor

cu observatii din practica, care nu au fost utilizate la crearea modelelor.
 Pentru a aprecia daca modelele sunt valide sau nu, se utilizeaza doi
indicatori: factorul de bias si cel de acuratețe .
  Factorul de bias este un factor multiplicativ prin care se aprecieaza
daca modelul estimeaza timpul de raspuns.
 Daca are valoare < 1, atunci modelul realizeaza predictii bune
 Daca are valoarea 0.5, atunci modelul nu este reusit.
 Concordanta perfecta intre predictie si realitate va conduce la un factor
de bias cu valoarea 1.
 

Validarea modelelor

  Factorul de acuratețe  este un factor multiplicativ simplu care

indica gradul de raspandire al datelor colectate din testari fata de
predictiile modelului. Un factor de acuratețe cu valoarea 2 indica faptul
ca predictia e fie jumatate din valoarea observata, fie de doua ori mai
mare decat aceasta.
 

 Referinte bibliografice

 Baranyi J. and Roberts T.A. (1994). A dynamic approach to predicting

 bacterial growth in food. Int. J. Food Microbiol . 23, 277-294.
  Anca Nicolau – Microbiologie generala - Factori care influenteaza
dezvoltarea microorganismelor, Editura Academica, 2006.