張秋勤，徐幸蓮*

(南京農(nóng)業(yè)大學(xué) 教育部肉品加工與質(zhì)量控制重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210095)

禽肉蛋白質(zhì)含量高、脂肪含量低、價(jià)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(chǎn)和貿(mào)易的發(fā)展，禽肉產(chǎn)品質(zhì)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(shí)由于禽肉營養(yǎng)豐富，易因微生物生長繁殖導(dǎo)致禽肉腐敗。因此了解和控制禽肉中微生物是提高禽肉質(zhì)量和保障安全的關(guān)鍵。

傳統(tǒng)微生物分析方法費(fèi)時(shí)、費(fèi)力，并且在環(huán)境、產(chǎn)品改變時(shí)不能準(zhǔn)確評估產(chǎn)品的安全性[1]。預(yù)測微生物學(xué)可運(yùn)用微生物學(xué)、工程數(shù)學(xué)以及統(tǒng)計(jì)學(xué)對食品微生物進(jìn)行數(shù)學(xué)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(jìn)行定量分析。因此，預(yù)測微生物學(xué)不僅可以對食品安全作出快速評估的預(yù)測，而且可用于貨架期預(yù)測，在食品質(zhì)量安全研究中具有重要意義[2]。

1 預(yù)測微生物學(xué)發(fā)展

預(yù)測微生物學(xué)是一門基于微生物學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)和應(yīng)用計(jì)算機(jī)科學(xué)基礎(chǔ)上建立起來的新興科學(xué)。

20世紀(jì)80年代初，Ross等[3]首次提出了“微生物預(yù)測技術(shù)”。 1983年一支由30個(gè)微生物學(xué)家組成的食品小組，用計(jì)算機(jī)預(yù)測了食品的貨架期，并建立了腐敗菌生長的數(shù)據(jù)庫，從此正式拉開了食品預(yù)測微生物的研究帷幕[4]。在預(yù)測微生物學(xué)創(chuàng)始之初有學(xué)者認(rèn)為其預(yù)測不夠精確，但實(shí)驗(yàn)證明模型誤差不大于微生物實(shí)驗(yàn)所帶來的誤差，這使得預(yù)測模型在食品工業(yè)和食品檢控領(lǐng)域獲得了信任。現(xiàn)在，每年在Food Microbiology、International Journal of Food Microbiology、Journal of Food Protection等期刊均有大量預(yù)測微生物的相關(guān)論文發(fā)表，國際上每4年舉辦1次食品預(yù)測微生物國際研討會(huì)。近年來隨著計(jì)算機(jī)技術(shù)的發(fā)展，預(yù)測微生物學(xué)得到迅猛發(fā)展，很多國家開發(fā)了預(yù)測軟件。預(yù)測模型軟件的開發(fā)和應(yīng)用，為快速評估環(huán)境和食品組分對食品微生物生長的影響、監(jiān)測產(chǎn)品中微生物的生長動(dòng)態(tài)提供了便捷的平臺(tái)。

2 微生物預(yù)測軟件簡介

目前世界上已經(jīng)開發(fā)出十幾種微生物預(yù)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(nóng)業(yè)、漁業(yè)和食品部(UKMAFF)基于數(shù)據(jù)庫和數(shù)學(xué)模型開發(fā)了食品微生物模型FM[5]。該食品微生物咨詢服務(wù)器中的20多種數(shù)學(xué)模型可以描述12種食品腐敗菌和致病菌的生長與環(huán)境因素之間的關(guān)系，信息量大、數(shù)學(xué)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(chǔ)上開發(fā)了Growth Predictor，該軟件包含了18種病原微生物預(yù)測模型，使用的是Baranyi模型，操作簡單，使用方便，適合研究者進(jìn)行數(shù)據(jù)分析和結(jié)果參比。

美國農(nóng)業(yè)部開發(fā)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(gè)預(yù)測模型。PMP不僅能通過溫度、pH值、水分活度等參數(shù)預(yù)測微生物生長狀況，而且可以利用自動(dòng)響應(yīng)模型處理大多數(shù)常用防腐劑，結(jié)果具有較高的精確度，但PMP缺乏溫度波動(dòng)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(gè)數(shù)據(jù)庫模型——ComBase。同年7月兩國在第4屆國際預(yù)測性食品模型會(huì)議上宣布ComBase可以免費(fèi)使用，并且時(shí)刻保持更新。ComBase目前已擁有了約40489個(gè)有關(guān)微生物生長和存活數(shù)據(jù)檔案，是世界上最大的預(yù)測微生物學(xué)信息數(shù)據(jù)庫。ComBase 系統(tǒng)不僅能預(yù)測1種微生物在1種環(huán)境條件下的生長情況，還能預(yù)測1種微生物在不同環(huán)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(jìn)行比較和分析。

另外還有很多軟件，如丹麥水產(chǎn)研究學(xué)院開發(fā)的用來預(yù)測海洋食品在恒溫或溫度波動(dòng)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(nóng)業(yè)和研究局根據(jù)食品、細(xì)菌和環(huán)境特點(diǎn)，結(jié)合致病菌污染能力和流通學(xué)數(shù)據(jù)而開發(fā)的Sym 'Previus軟件；加拿大開發(fā)的可用于產(chǎn)品系統(tǒng)開發(fā)和評估的微生物動(dòng)態(tài)專家系統(tǒng)M K E S(microbial kinetics expert system)；澳大利亞Tasmania大學(xué)開發(fā)的能進(jìn)行多環(huán)境因子分析系統(tǒng)FSP(food spoilage predictor)等[7-8]。在我國，中國水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所開發(fā)出了可用于羅非魚品質(zhì)控制的FSLP(fish shelf life predictor)系統(tǒng)[9]。

3 預(yù)測微生物學(xué)在禽肉中的研究進(jìn)展

建立可靠的微生物生長和存活模型是預(yù)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(yīng)用到雞肉腐敗中，認(rèn)為預(yù)測結(jié)果精確度與與雞肉組織無關(guān)。但Nyati[6]研究發(fā)現(xiàn)李斯特菌生長模型在預(yù)測李斯特菌在雞肉和牛肉中的生長狀況時(shí)偏差因子不同。李苗云等[11]認(rèn)為建立的數(shù)學(xué)模型應(yīng)該與具體的產(chǎn)品相聯(lián)系。對沙門氏菌這種血清型較多的菌建立模型時(shí)需要選擇適當(dāng)?shù)木辏菇⒌哪Ｐ涂深A(yù)測其他血清型菌株的生長[12]。

微生物預(yù)測模型有多種類型，在建立數(shù)學(xué)模型時(shí)要進(jìn)行適當(dāng)?shù)倪x擇。Juneja等[13]在2001年指出雖然在建立高溫失活模型時(shí)假設(shè)溫度與D值是呈線性相關(guān)性的，但事實(shí)上兩者之間是非線性關(guān)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(fā)現(xiàn)Weibull-tail和biphasic-shoulder模型都不適用于預(yù)測蒸汽對李斯特菌病的殺菌效果。但Gonzalez等[15]在2009年研究發(fā)現(xiàn)改進(jìn)的Weibull模型能預(yù)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(jìn)行了比較，發(fā)現(xiàn)運(yùn)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(shí)，Gompertz模型擬合性最好，Baranyi模型次之，logistic模型最差；而運(yùn)用二級模型研究溫度對沙門氏菌的影響時(shí)， Baranyi模型比Gompertz和logistic模型好。

實(shí)際生產(chǎn)、貯藏中微生物生長同時(shí)受溫度、p H值、鹽濃度等諸多因素影響，因此建立多參數(shù)微生物生長模型更利于預(yù)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(zhì)量濃度0.5～6.5g/100mL、pH4.0～7.0、貯藏溫度10～30℃的禽肉產(chǎn)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(yù)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(shù)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(rèn)為預(yù)測禽肉中李斯特菌污染狀況時(shí)可用多元分析系統(tǒng)。

1995年Baranyi等[21]建立了適用于5～25℃變溫條件的熱殺索絲菌預(yù)測模型，并指出現(xiàn)有的微生物生長模型雖然能對多種腐敗菌和致病菌進(jìn)行預(yù)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(chǎn)品在生產(chǎn)、貯藏、銷售時(shí)周圍環(huán)境是動(dòng)態(tài)變化的這一實(shí)際現(xiàn)狀，因此，建立實(shí)用的動(dòng)態(tài)模型預(yù)測必須考慮環(huán)境動(dòng)態(tài)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(dòng)下的預(yù)測模型。2008年Gospavic等[23]用Gompertz和Baranyi模型預(yù)測了變溫條件下禽肉中假單胞菌的生長狀況。

4 預(yù)測微生物學(xué)在禽肉質(zhì)量安全控制中的應(yīng)用

預(yù)測微生物學(xué)的主要目的是運(yùn)用數(shù)學(xué)模型對微生物生長情況進(jìn)行定量分析，使得人們能夠在沒有進(jìn)行微生物檢測的前提下，預(yù)測微生物的生長和死亡，為食品安全提供重要保障[24-25]。預(yù)測微生物學(xué)在食品貨架期、食品安全的預(yù)測和管理中有很大的應(yīng)用價(jià)值，是食品微生物學(xué)中一個(gè)很有前景的研究領(lǐng)域[25]。

4.1 質(zhì)量安全控制

微生物預(yù)測模型可以在相關(guān)條件已知的情況下預(yù)測環(huán)境、加工條件對有關(guān)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(guān)鍵控制點(diǎn)，確定關(guān)鍵限值，在食品質(zhì)量管理中有重要作用[26-30]。例如，先在實(shí)驗(yàn)室建立以溫度為影響因素的微生物生長模型，然后確定產(chǎn)品在生產(chǎn)、流通、銷售過程中各環(huán)節(jié)所需要的溫度，最后用設(shè)備對各環(huán)節(jié)溫度進(jìn)行監(jiān)控，以控制產(chǎn)品質(zhì)量安全[26]。有效的將預(yù)測模型運(yùn)用于實(shí)際生產(chǎn)管理中依賴于應(yīng)用技術(shù)的發(fā)展，而預(yù)測軟件是實(shí)現(xiàn)控制管理的關(guān)鍵[30]?，F(xiàn)有的PMP、FM等軟件就可以定量分析不同環(huán)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(huán)境，通過輸入相關(guān)數(shù)據(jù)(例如溫度、酸度、濕度)，搜索到所有符合這些條件的數(shù)據(jù)檔案[31]。

4.2 風(fēng)險(xiǎn)評估

食品中生物危害分析是食品安全風(fēng)險(xiǎn)評估的主要內(nèi)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(dòng)態(tài)變化，就難以對危害進(jìn)行定量評估，預(yù)測微生物模型能夠?yàn)榇颂峁椭?，歐美等國家已將數(shù)學(xué)建模描述食源性致病菌動(dòng)態(tài)生長的方法列入食品安全風(fēng)險(xiǎn)評估中[28,30,32-33]。

運(yùn)用預(yù)測微生物學(xué)進(jìn)行風(fēng)險(xiǎn)評估需要掌握兩方面的信息：1)大量可靠的關(guān)于微生物對食品中環(huán)境條件(溫度、包裝、時(shí)間)反應(yīng)的相關(guān)知識；2)微生物在各種環(huán)境下經(jīng)歷的時(shí)間。然后建立數(shù)學(xué)模型來描述不同環(huán)境下微生物的生長、存活及失活的變化，對致病菌在整個(gè)暴露過程中的變化進(jìn)行預(yù)測，估計(jì)出各個(gè)階段及食品食用時(shí)致病菌的濃度水平，接著將結(jié)果輸入劑量-效應(yīng)模型，得出該致病菌在消費(fèi)食品中的分布及消費(fèi)者的攝入劑量，再由風(fēng)險(xiǎn)描述將這些定量、定性的信息綜合到一起，即可得到產(chǎn)品微生物安全性的一個(gè)評價(jià)。

根據(jù)前期研究得到的大量模型和數(shù)據(jù)建立定量風(fēng)險(xiǎn)評估模型可分析和規(guī)范禽肉加工[34]。2006年Uyttendaele等[35]根據(jù)比利時(shí)家禽中彎曲桿菌污染調(diào)查結(jié)果，建立了一個(gè)從零售到餐桌的彎曲桿菌定量風(fēng)險(xiǎn)評估模型。2007年Oscar[32]以沙門氏菌為例，建立了風(fēng)險(xiǎn)評估模型，對銷售、運(yùn)輸、蒸煮、供應(yīng)和消費(fèi)5個(gè)環(huán)節(jié)的雞肉進(jìn)行了風(fēng)險(xiǎn)評估，解釋了定量風(fēng)險(xiǎn)評估模型的操作和用處，并指出在運(yùn)用定量風(fēng)險(xiǎn)評估模型時(shí)要確保輸入的條件和加工等的準(zhǔn)確性，否則可能得到錯(cuò)誤的評估結(jié)果。van der Fels-Klerx等[36]在2008年建立了肉雞在供應(yīng)鏈中沙門氏菌的消長模型，并認(rèn)為屠宰和加工過程是控制沙門氏菌污染的關(guān)鍵點(diǎn)。澳大利亞卓越食品安全中心開發(fā)的Risk Ranger軟件，可通過選擇條件或者輸入數(shù)據(jù)對食品的危險(xiǎn)性進(jìn)行評估。

4.3 貨架期預(yù)測

微生物是導(dǎo)致禽肉腐敗變質(zhì)的主要因素，其生長繁殖狀況直接影響產(chǎn)品貨架期。近年來，很多學(xué)者致力于微生物模型預(yù)測食品貨架期的研究，相關(guān)報(bào)道較多。微生物模型預(yù)測食品貨架期是依據(jù)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(jì)算機(jī)的配套軟件，判斷食品中病原菌和腐敗菌生長或殘存的動(dòng)態(tài)變化，判斷食品貨架期[37]。

運(yùn)用微生物模型預(yù)測禽肉產(chǎn)品貨架期需要進(jìn)行以下三方面的研究：1)禽肉產(chǎn)品中微生物研究，包括微生物種類、數(shù)量、消長規(guī)律等；2)結(jié)合環(huán)境因子建立合適的微生物生長動(dòng)力學(xué)模型；3)以微生物生長數(shù)據(jù)庫為基礎(chǔ)，開發(fā)便捷的貨架期預(yù)測軟件[37-38]。

應(yīng)用SSO(specific spoilage organisms)生長預(yù)測模型可預(yù)測產(chǎn)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(dǎo)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(shí)假單胞菌的生長模型，該模型可用于預(yù)測產(chǎn)品貨架期，從而避免了用繁瑣的傳統(tǒng)方法進(jìn)行貨架期判斷。澳大利亞Tasmania大學(xué)在假單胞菌生長模型基礎(chǔ)上開發(fā)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(jìn)行快速估測[8]。

4.4 產(chǎn)品研發(fā)

根據(jù)微生物在某種產(chǎn)品或在某個(gè)加工過程中的生長和失活速率評估，能開發(fā)新產(chǎn)品或改善產(chǎn)品，確定產(chǎn)品貨架期[28]。在產(chǎn)品研發(fā)時(shí)，根據(jù)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(yù)測微生物存活情況，求得有效的食品配方和處理?xiàng)l件，將食品中有關(guān)微生物的選擇實(shí)驗(yàn)準(zhǔn)確地局限于較小范圍，大大減少產(chǎn)品開發(fā)的時(shí)間和成本。在食品設(shè)計(jì)步入計(jì)算機(jī)化的進(jìn)程中，可將現(xiàn)有的理化、微生物數(shù)據(jù)收集起來，建立一個(gè)帶有數(shù)據(jù)庫的計(jì)算機(jī)軟件，通過計(jì)算機(jī)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(chǎn)品的微生物穩(wěn)定性得到保證。此外還可應(yīng)用計(jì)算機(jī)軟件來改進(jìn)不穩(wěn)定產(chǎn)品[45]。2002年Juneja等[46]將產(chǎn)氣莢膜梭菌的生長模型運(yùn)用到蒸煮干腌雞肉的生產(chǎn)中，確定了冷卻工藝。目前可用于開發(fā)產(chǎn)品的系統(tǒng)有MKES 和FDSS(food design support system)。

5 結(jié)論與展望

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

5.2 預(yù)測微生物學(xué)發(fā)展至今，解決的主要問題是微生物生命活動(dòng)與溫度、pH值、水分活度等環(huán)境因素之間的關(guān)系，尚有許多問題沒有解決。如已開發(fā)的預(yù)測軟件中的大部分模型是依據(jù)實(shí)驗(yàn)室培養(yǎng)基上得到的數(shù)據(jù)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(jià)產(chǎn)品中微生物的生長速率[11]。食品微生物預(yù)測是以數(shù)學(xué)方程語言描述食品中腐敗菌和致病菌從原料到最終消費(fèi)的增殖和死亡的全過程[2]。實(shí)現(xiàn)此預(yù)測過程，首先需要大量的基礎(chǔ)食品微生物相關(guān)數(shù)據(jù)，其次運(yùn)用統(tǒng)計(jì)學(xué)、工程數(shù)學(xué)、人工神經(jīng)網(wǎng)絡(luò)等技術(shù)手段進(jìn)行數(shù)據(jù)處理，建立食品微生物數(shù)據(jù)庫和數(shù)學(xué)模型，并在此基礎(chǔ)上開發(fā)制作預(yù)測軟件。而我國預(yù)測微生物學(xué)在禽肉中的研究和應(yīng)用極少，今后有必要加強(qiáng)研究。另外，Brown[47]認(rèn)為定量風(fēng)險(xiǎn)評估模型需要在以下幾方面進(jìn)行改進(jìn)：現(xiàn)有的熱量傳遞模型比較單一，應(yīng)考慮凍融等因素，以擴(kuò)大模型的應(yīng)用性；微生物在受到高溫等作用時(shí)，部分細(xì)胞只是損傷了，經(jīng)過修復(fù)將重新生長，因此建立模型時(shí)應(yīng)該考慮該部分受傷細(xì)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(shí), 鐘許, 郭全友.養(yǎng)殖魚類貨架期預(yù)測系統(tǒng)的設(shè)計(jì)與評估[J].農(nóng)業(yè)工程學(xué)報(bào), 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(yīng)舉, 趙改名.微生物預(yù)測模型研究及其在肉品工業(yè)中的應(yīng)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(yuǎn)釗, 張培正, 等.溫度生長預(yù)測模型在大腸桿菌O157:H7控制中的應(yīng)用[J].食品科學(xué), 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(yù)測微生物學(xué)及其在食品科學(xué)中的應(yīng)用[J].食品與發(fā)酵工業(yè), 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(shí), 許鐘, 郭全友.食源性病原菌預(yù)報(bào)模型庫及其在食品安全領(lǐng)域的應(yīng)用[J].中國食品學(xué)報(bào), 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(shí), 等.預(yù)報(bào)微生物學(xué)及其在食品貨架期預(yù)測領(lǐng)域的研究進(jìn)展[J].海洋漁業(yè), 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.