金永國，韓夢琪，孫 卓，馬美湖

(華中農(nóng)業(yè)大學(xué)食品科技學(xué)院，湖北武漢430070)

食品中沙門氏菌預(yù)測模型的研究進(jìn)展

金永國，韓夢琪，孫 卓，馬美湖

(華中農(nóng)業(yè)大學(xué)食品科技學(xué)院，湖北武漢430070)

沙門氏菌作為引起細(xì)菌性食物中毒的主要食源性致病菌之一，引發(fā)了國內(nèi)外一系列食品安全事件，對人類健康造成嚴(yán)重危害。應(yīng)用預(yù)測微生物學(xué)理論知識，通過建立能夠描述和預(yù)測特定微生物在一定條件下的生長和存活模型，可快速對食品的微生物安全性進(jìn)行評估。筆者通過綜述近年來國內(nèi)外開展的沙門氏菌預(yù)測模型研究，列舉了肉類、蛋類及蛋制品、牛奶及奶制品等食物中建立的生長模型與失活模型，概述了在動態(tài)變化環(huán)境下的生長模型研究以及界面模型研究的最新進(jìn)展，最后對沙門氏菌預(yù)測模型的研究提出了展望。

沙門氏菌；預(yù)測模型；食品安全

沙門氏菌被認(rèn)為是目前世界范圍內(nèi)最重要的食源性致病菌之一。食物傳播是人類感染沙門氏菌的主要途徑，肉類(尤其是禽肉)、蛋類及蛋制品、未經(jīng)巴氏消毒的牛奶及奶制品、海產(chǎn)品等很多食品都與沙門氏菌致病有關(guān)。全球每年約有1 600萬由沙門氏菌引起的感染病例，其中死亡病例60萬。2010年，美國有2 000多人因食用被腸炎沙門氏菌污染的雞蛋而出現(xiàn)腹瀉等癥狀。在我國，沙門氏菌引起的食物中毒居細(xì)菌性食物中毒的首位，尤其是禽肉和禽蛋中沙門氏菌的控制對食品安全、獸醫(yī)公共衛(wèi)生等具有重要意義。進(jìn)出口食品安全檢測監(jiān)控項目中，沙門氏菌屬于不得檢出的微生物種類。通過建立數(shù)學(xué)模型來描述不同環(huán)境下致病菌的生長、存活及失活的變化，實現(xiàn)食品加工、運輸、貯存及使用過程中對致病菌變化的預(yù)測，快速進(jìn)行食品微生物風(fēng)險的定量評估以及產(chǎn)品質(zhì)量安全的控制與管理。本文中，筆者主要以生長模型與失活模型、界面模型與動態(tài)模型為主來進(jìn)行沙門氏菌預(yù)測模型的最新進(jìn)展綜述，通過大量研究數(shù)據(jù)與研究結(jié)果的整理，可對未來沙門氏菌的定量風(fēng)險評估工作、食品企業(yè)的產(chǎn)品質(zhì)量安全控制以及相關(guān)標(biāo)準(zhǔn)的制定提供理論依據(jù)，保證食品安全問題的有效管理，保護消費者健康。

1 沙門氏菌概述

目前，已經(jīng)分離得到的沙門氏菌有2 500余種血清型，其中與人類疾病有關(guān)的常見血清型為鼠傷寒沙門氏菌、豬霍亂沙門氏菌以及腸炎沙門氏菌[1]。沙門氏菌廣泛分布于自然界之中，人類易通過食物傳播而感染沙門氏菌，繼而引發(fā)胃腸炎、菌血癥或敗血癥以及傷寒等其他腸熱癥型疾病[2]。沙門氏菌為革蘭氏陰性，形態(tài)是呈兩端鈍圓的短桿菌，需氧或兼性厭氧菌，無芽孢和莢膜，大多有周身鞭毛，能運動。在普通培養(yǎng)基中就可生長，最佳生長溫度約為37 ℃，最低生長溫度為5 ℃，最適pH為6.8～7.8。但它對熱抵抗力不強，在60 ℃、15 min條件下都可被殺死[3]。在我國細(xì)菌性食物中毒中，70%～80%的案例是由沙門氏菌引起，我國風(fēng)險監(jiān)測顯示蛋及蛋制品中沙門氏菌的檢出率為3.9%～43.7%[4]。沙門氏菌的中毒主要是菌體內(nèi)毒素的作用，因為它對腸道黏膜、腸壁及血管具有強烈刺激作用進(jìn)而引發(fā)嘔吐、腹痛、腹瀉等中毒反應(yīng)[5]。

2 預(yù)測微生物學(xué)

預(yù)測微生物學(xué)(predictive microbiology)是一門在微生物學(xué)、統(tǒng)計學(xué)、數(shù)學(xué)和應(yīng)用計算機學(xué)基礎(chǔ)上建立起來的新興學(xué)科[6]。它的研究內(nèi)容主要是基于微生物對環(huán)境影響具有重現(xiàn)性的原理，設(shè)計一系列能夠描述和預(yù)測微生物在特定條件下的生長和存活模型。這些模型為微生物定量風(fēng)險評估(QMRA)和危害分析關(guān)鍵控制點(HACCP)提供了科學(xué)依據(jù)，是管理食品安全的重要工具[6]。 目前認(rèn)可度較高的是Buchanan[7]基于變量的類型，把模型分為3個級別：一級模型是描述在特定的培養(yǎng)條件下，微生物對時間的生長或存活曲線；二級模型描述的是培養(yǎng)和環(huán)境變量對微生物生長或存活特性的影響；三級模型是描述合并或聯(lián)合在一起的初級和二級模型，三級模型主要指建立在一級和二級模型之上的電腦應(yīng)用軟件程序，又稱為專家模型[8]。

建立可靠的微生物生長和存活模型是預(yù)測食品加工貯藏中微生物的前提，隨著預(yù)測微生物學(xué)在20世紀(jì)90年代的迅猛發(fā)展以及沙門氏菌污染在食源性疾病案例中的頻繁出現(xiàn)，針對沙門氏菌預(yù)測模型的研究越來越多，并較多地應(yīng)用在肉類與肉制品、蛋與蛋制品等常見易攜帶沙門氏菌的食品風(fēng)險分析中。同時，美國農(nóng)業(yè)部的病 原 菌 預(yù) 報 模 型 庫(pathogen modeling program,PMP)及英國農(nóng)業(yè)、漁業(yè)與食品部的食品微生物模型庫(food micro model,FMM)系統(tǒng)軟件，美、英兩國聯(lián)合共同建立的世界最大預(yù)測微生物學(xué)信息數(shù)據(jù)庫Combase[9]均包含了獲得沙門氏菌在不同基質(zhì)中的預(yù)測模型數(shù)據(jù)。

3 食品中沙門氏菌的預(yù)測模型研究

關(guān)于沙門氏菌預(yù)測模型最早發(fā)表的文章是Anellis等[10]對沙門氏菌在雞蛋中失活過程的研究，隨后，哥本哈根大學(xué)于1958年通過對鼠傷寒沙門氏菌的對數(shù)生長期進(jìn)行線性模型擬合并成功求得最大生長速率，雖然其研究沒有用數(shù)學(xué)模型加以描述，但研究中對于不同溫度下沙門氏菌的生長曲線形狀相同的發(fā)現(xiàn)奠定了如今由一級模型推演二級模型的方法基礎(chǔ)[11]。本文中，筆者以生長模型、失活模型為主，分述一級模型與二級模型的研究現(xiàn)狀，并簡介動態(tài)模型、界面模型的最新進(jìn)展，最后總結(jié)并提出綜述展望。

3.1 生長模型

3.1.1 一級模型

關(guān)于沙門氏菌在特定環(huán)境條件下的一級生長模型研究較多，Logistic方程與Gompertz方程是較為常用的經(jīng)驗?zāi)Ｐ?，?0世紀(jì)80年代關(guān)于沙門氏菌的眾多生長模型的研究中，Gompertz方程被認(rèn)為是最適用于描述沙門氏菌在培養(yǎng)基中生長時濃度對數(shù)值隨時間變化情況的模型。Zwietering于1990年將Gompertz方程進(jìn)行了修正，Juneja等[12]研究了雞肉中溫度對沙門氏菌生長模型的影響，進(jìn)行等溫條件下雞肉中沙門氏菌的一級生長模型建立，結(jié)果發(fā)現(xiàn)修正Gompertz模型擬合度更高。毛貽政等[13]在草魚魚糜中、李昱妲[14]在殺菌液全蛋中以及鄭婷等[15]在冷卻牛肉中建立的沙門氏菌溫度生長模型也證實修正Gompertz方程的擬合優(yōu)度更佳。而Sakha等[16]在殺菌液全蛋與未殺菌液全蛋中的一級模型擬合得到的修正Logistic方程擬合度更優(yōu)。除此之外，Baranyi模型亦是真正意義上的動力學(xué)模型[8]，由于擬合性較高的優(yōu)點在研究中廣泛使用，Juneja等[12]的研究認(rèn)為由Baranyi建模得到的最大生長速率等參數(shù)能更好地應(yīng)用到二級模型中。高麗娟等[17]以新鮮豬肉濾汁為培養(yǎng)液，接種沙門氏菌，繪制沙門氏菌在17、25、30、35和37 ℃下的生長曲線，Baranyi模型與Ratkowsky模型建立了較為準(zhǔn)確的一級和二級模型。Zhou等[18]在雞肉中建立沙門氏菌的生長模型，對Combase軟件中以及現(xiàn)有研究中的數(shù)據(jù)加以整理后進(jìn)行模型擬合，其研究認(rèn)為Baranyi模型得到相應(yīng)生長參數(shù)值在多種環(huán)境因素共同作用下都比其他一級模型更為準(zhǔn)確。Juneja等[19]研究了溫度對生牛肉中沙門氏菌生長的影響，并以同樣的方法建立了一級模型，并增加Huang模型的建立和擬合，發(fā)現(xiàn)4種一級模型對于沙門氏菌一級生長模型的擬合度精度差別不顯著，但溫度因素會影響其擬合度。另外，Baranyi模型和Huang模型對于二級模型在建立更易得，Huang模型比Baranyi模型在數(shù)據(jù)采集上更便捷。以上大部分研究中，單從擬合優(yōu)度上來說，常用的修正Gompertz模型、Logistic模型和Baranyi模型差別不大，但用于整體分析時，Baranyi模型比其他模型更實用，所以Baranyi模型也被廣泛用于估計最大比生長速率等生長參數(shù)[20-21]。

3.1.2 二級模型

在沙門氏菌的二級模型研究中，涉及的環(huán)境因素包括溫度、pH、水分活度(aw)、氣體組成以及天然有機酸和防腐添加物等因素。其中溫度是食品在生產(chǎn)鏈中波動最大的因素，也是在眾多預(yù)測模型研究中選用較多的因素[22]。上述大部分關(guān)于溫度因素的研究中，平方根模型往往選作二級模型用來擬合。平方根模型自提出后經(jīng)過不斷修正和完善，逐漸擴展到 pH、水分活度(aw)、CO2濃度等，其基本形式被看做是最經(jīng)典的二級模型之一。除了較為廣泛使用的平方根模型之外，多項式模型、γ方程在針對多因素的二級模型建立中得到較多應(yīng)用，Pinon等[23]在沙門氏菌二級模型的研究中使用了γ方程建立二級模型，γ方程的原理是假設(shè)溫度、水分活度、pH等多種因素對微生物的作用是相互獨立的。

3.2 失活模型

由于致病菌的失活模型在食品的殺菌中具有重要意義，最常用且重復(fù)性較好的失活模型就是一定溫度下的熱失活線性模型，其主要包括兩個方程，分別為一級、二級模型。

(1)

(2)

式中：N表示菌濃度，N0表示初始菌濃度，t為時間，D值為菌濃度減少10倍時需要的時間，Z值為D值減少10倍需要升高的溫度。

這兩級模型中D值與Z值的概念在熱殺菌中有較為廣泛的應(yīng)用。Van Asselt等[24]研究了不同食品基質(zhì)、不同溫度下的D值和Z值，研究證實在48～90 ℃的范圍內(nèi)，pH與水分活度對沙門氏菌在不同環(huán)境下的D值和Z值沒有影響，較低的水分活度與高脂質(zhì)的基質(zhì)中D值會偏高。Muoz-Cuevas等[25]對以上研究的方程與Combase數(shù)據(jù)庫的數(shù)據(jù)進(jìn)行了擬合，擬合證實食品基質(zhì)對于D值和Z值的影響不顯著，除了水分活度較低的糕點類的基質(zhì)以外。上述失活模型的研究中將溫度作為主導(dǎo)因素，實際模型的擬合中要考慮影響到沙門氏菌抗熱性的諸多因素，例如食品基質(zhì)條件、初始環(huán)境、菌種等因素。Humphrey[26]探討了腸炎沙門氏菌與森夫滕貝格沙門氏菌等菌種對D值的影響。失活模型在實際失活曲線的擬合中發(fā)現(xiàn)會有“肩部”和“拖尾”的非線性偏差發(fā)生[22]，基于概率分布的Weibull頻數(shù)模型將失活曲線看作細(xì)菌失活致死積累分布形式，Van Bokel[27]對Weibull模型通過其與傳統(tǒng)一階線性失活模型的比較，證實Weibull更適用于實際情況下的熱失活規(guī)律。 Jordan等[28]用Weibull模型擬合了蛋黃液中沙門氏菌在58～66 ℃之間動力學(xué)熱失活模型，其中應(yīng)用了4種沙門氏菌菌種混合接種至蛋黃液中進(jìn)行不同溫度下失活模型擬合。

針對沙門氏菌的非熱失活模型研究主要圍繞輻照、壓強、電場以及添加物等因素展開。Erkmen等[29]研究了鼠傷寒沙門氏菌在不同高靜壓處理下的失活曲線，研究中用到Gompertz方程分別對200～350 MPa變化下的鼠傷寒沙門氏菌的滅活曲線擬合，建立了高靜壓與生長速率之間的二級模型，證實線性模型與平方根模型在擬合度上優(yōu)于Arrhenius方程。Chen[30]對牛奶中7種致病菌的壓力失活模型進(jìn)行了Weibull、log-logistic方程以及線性方程的擬合評價，對沙門氏菌的擬合結(jié)果中，Weibull方程和log-logistic方程的擬合性更好。Monfort等[31]在加熱處理液蛋產(chǎn)品的基礎(chǔ)上研究了脈沖電場和添加劑影響下沙門氏菌失活模型的建立。Juneja等[32]研究了生牛肉中不同菌種的沙門氏菌在添加牛至油與羥基丙酸鈉后的失活情況。Chun 等[33]研究了輻照量對于沙門氏菌在即食火腿中失活模型的影響，用Weibull模型更好地擬合了失活模型。除此之外，將加工過程中沙門氏菌的生長與失活作為整體的研究，如Coroller等[34]選用了發(fā)酵劑類型、溫度、水分活度以及pH等因素對γ方程進(jìn)行改進(jìn)，建立了香腸干燥過程中的生長-失活模型。

3.3 動態(tài)模型

微生物的生長預(yù)測模型常常用在食品的貨架期預(yù)測以及風(fēng)險評估的暴露評估環(huán)節(jié)之中，而在真實情況中，外部環(huán)境不會保持恒溫，而是有變化的。所以，動態(tài)條件下生長模型的建立也是近年的研究熱點。

Bovill等[35]將Baranyi模型應(yīng)用到沙門氏菌在奶制品中波動溫度下的生長情況，但主要探討了延滯期在動態(tài)溫度下的預(yù)測準(zhǔn)確性。Gumudavelli等[36]建立了腸炎沙門氏菌在蛋黃里動態(tài)溫度變化下的生長模型，研究中首先建立了擬合度較高的Baranyi一級模型和修正Ratkowsky方程擬合的二級模型，然后將兩級模型聯(lián)合起來，并用四階-龍格庫塔方法對4種溫度變化(線性加熱、指數(shù)加熱、指數(shù)降溫以及正弦波動)范圍內(nèi)的微生物生長進(jìn)行了較為準(zhǔn)確的擬合，其結(jié)果可與PMP三級模型聯(lián)合應(yīng)用到雞蛋的風(fēng)險分析以及關(guān)鍵控制點研究中。 Velugoti等[20]利用相同的方法進(jìn)行了碎豬肉中溫度動態(tài)變化下的沙門氏菌生長模型的建立，并且對所建模型進(jìn)行了較為系統(tǒng)的評估，證實了該模型在線性降溫與指數(shù)降溫中的實際值與預(yù)測值的偏差小于0.5個log，其余變化范圍內(nèi)偏差也不大于1個log。這一動態(tài)溫度條件下生長模型的建立方法與Singh等[21]在液全蛋中的研究相似。

3.4 界面模型

沙門氏菌作為人類致病菌之一，近年來關(guān)于其生長/不生長的界面模型被越來越多的研究提出[37]。只要致病菌開始生長必然會對食品消費者造成安全隱患，所以關(guān)于致病菌生長/不生長臨界點的探討在質(zhì)量管理中將有更重大的意義，預(yù)測微生物學(xué)逐漸深入發(fā)展形成的生長界面模型(G/NG)正是應(yīng)用不同的方法來確定 G/NG 界面，以此判斷一定條件下的生長概率，再基于柵欄效應(yīng)的基本原理對食品中微生物生長進(jìn)行控制。

在所有影響微生物是否生長的因素中，目前研究證實接種狀態(tài)、食品基質(zhì)、微生物相互作用是最重要的因素。Koutsoumanis等[38]應(yīng)用了Logit模型擬合鼠傷寒沙門氏菌在溫度、水分活度以及pH變化下的界面模型。研究采取了5種血清型，找到低臨界值的相應(yīng)血清型，并進(jìn)行了食品基質(zhì)上的模型驗證。Pin等[39]在研究中得到相似結(jié)論，但是在低溫等特定條件下的生長概率更大。Polese等[40]利用Koutsoumanis的研究結(jié)果以及Koseki[41]的研究數(shù)據(jù)對沙門氏菌建立了一種簡化的生長/不生長界面模型，并證實了其在實際加工中的利用潛力。關(guān)于界面模型的研究不僅在于方程的建立，也有不少將三級模型用于沙門氏菌生長界面的討論中。Koseki等[41]以Combase的數(shù)據(jù)為基礎(chǔ)建立的MRV數(shù)據(jù)庫中包含了19種不同的微生物(包括沙門氏菌)的界面模型。界面模型的應(yīng)用十分廣泛，而且對于食品生產(chǎn)加工環(huán)節(jié)意義十分重大， 但由于其統(tǒng)計工作巨大且結(jié)果精確度和穩(wěn)定性較差，所以建立關(guān)于界面模型的數(shù)據(jù)庫是進(jìn)一步需要探究的工作。

4 總結(jié)與展望

沙門氏菌目前仍然是肉、蛋等食品中需要重點控制的食源性致病菌，本文所介紹的食品中沙門氏菌預(yù)測模型研究以量化形式描述了沙門氏菌在食品中的行為，對于這些食品中沙門氏菌的風(fēng)險評估及質(zhì)量控制具有重要意義，尤其是為肉與肉制品、蛋與蛋制品等產(chǎn)品的質(zhì)量安全管理提供了依據(jù)。相較于傳統(tǒng)的耗費人力、物力的實驗室檢測方法，模型的建立能夠快速地對特定環(huán)境中微生物的生長速率進(jìn)行預(yù)測，有利于效率提升和品質(zhì)保證。

但是上述研究中獲取數(shù)據(jù)的方法大多是傳統(tǒng)的平板計數(shù)法，這種經(jīng)典方法可以區(qū)分死菌和活菌，但工作量大、耗時；另外，沙門氏菌預(yù)測模型主要解決的是沙門氏菌生命活動與溫度、pH、水分活度等環(huán)境因素之間的關(guān)系，且目前預(yù)測軟件中大部分模型也是依據(jù)這些環(huán)境因素基于實驗室數(shù)據(jù)所建立的，實驗中存在接種濃度較高、沒有考慮實際情況下微生物之間的相互影響、交叉污染以及食品基質(zhì)存在差異等問題，容易導(dǎo)致生長速率評價過高；此外，研究的樣本量較小，往往是針對特定條件、菌種以及食品所建立的相應(yīng)模型，在食品工業(yè)中以及大范圍內(nèi)應(yīng)用的普適性不強。

在今后的沙門氏菌預(yù)測模型研究中，本文主要提出以下幾點展望：

1)預(yù)測模型建立方法的改變，根據(jù)現(xiàn)有的易降解的RNA反轉(zhuǎn)錄后再進(jìn)行實時熒光定量 PCR的方法[42]，可實現(xiàn)對微生物總濃度的間接測定以及采用宏基因組、蛋白質(zhì)組學(xué)的方法建立預(yù)測模型，擬開展用上述方法進(jìn)行沙門氏菌預(yù)測模型的研究。

2)針對食品營養(yǎng)組成、食品包裝形式、微生物相互作用、微生物代謝活動等因素進(jìn)行沙門氏菌預(yù)測模型建立，使模型的普適性更強。

3)通過將大量沙門氏菌實驗室研究數(shù)據(jù)和實際案例相結(jié)合，增大樣本容量，運用統(tǒng)計學(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，建立沙門氏菌數(shù)據(jù)庫以及相關(guān)預(yù)測軟件，提高模型預(yù)測的準(zhǔn)確性。

4)相比于沙門氏菌群體性的模型研究，單細(xì)胞的生長觀測及預(yù)測也將得到更多關(guān)注，開展單細(xì)胞或低數(shù)量級水平下的食源性致病菌生長規(guī)律研究工作，更好地將沙門氏菌的預(yù)測模型研究與食源性致病菌風(fēng)險評估相結(jié)合。

[1] 唐濤.病原微生物學(xué)[M].呼和浩特:遠(yuǎn)方出版社,2005.

[2] 江漢湖.食品微生物學(xué)[M].2版.北京:中國農(nóng)業(yè)出版社,1995.

[3] 布坎南 R E.伯杰細(xì)菌鑒定手冊[M].北京:科學(xué)出版社,1984.

[4] 王晶鈺,董睿,王利勤,等.市售鮮雞蛋中沙門氏菌的分離鑒定及毒力島基因檢測[J].食品科學(xué),2012(16):154-158.

[5] 曾曉芳.畜產(chǎn)品中沙門氏菌污染的檢測與控制[J].四川畜牧獸醫(yī),2003(4):28-29.

[6] MCMEEKIN T A,BARANYI J,BOWMAN J,et al.Information systems in food safety management[J].Int J Food Microbiol,2006,112(3):181-194.

[7] BUCHANAN R L.Predictive food microbiology[J].Trends Food Sci Technol,1994,4(1):6-11.

[8] 董慶利.食品預(yù)測微生物學(xué):過去 現(xiàn)在 將來[J].農(nóng)產(chǎn)品加工·學(xué)刊,2009(3):38-41.

[9] 郭劍飛,李柏林,歐杰.基于食品安全性的預(yù)測微生物學(xué)研究模式[J].食品科技,2004(2):5-8.

[10] ANELLIS A,LUBAS J,RAYMOND M M.Heat resistance in liquid egg of some strains of the genusSalmonella[J].Food Res,1954,19:377-395.

[11] KJELDGAARD N O,MAALOE O,SCHAECHTER M.The transition between different physiological states during balanced growth ofSalmonellatyphimurium[J].J General Microbiol,1958,19(3):607-616.

[12] JUNEJA V K,MELENDRES M V,HUANG L H,et al.Modeling the effect of temperature on growth ofSalmonellain chicken[J].Food Microbiol,2007,24(4):328-335.

[13] 毛貽政,王成,張偉,等.草魚魚糜中沙門氏菌生長預(yù)測模型的建立[J].食品工業(yè)科技,2015,36(24):49-53.

[14] 李昱妲.殺菌液全蛋中沙門氏菌預(yù)測模型的建立[D].哈爾濱:東北農(nóng)業(yè)大學(xué),2010.

[15] 鄭婷,董鵬程,王仁歡,等.冷卻牛肉中沙門氏菌生長預(yù)測模型的建立和驗證[J].食品與發(fā)酵工業(yè),2015,41(7):38-44.

[16] SAKHA M Z,FUJIKAWA H.Prediction ofSalmonellaenteritidis growth in pasteurized and unpasteurized liquid egg products with a growth model[J].Biocontrol Sci,2013,18(2):89-93.

[17] 高麗娟,甕紹蘇,劉清珺,等.鮮豬肉中沙門氏菌生長預(yù)測模型的建立[J].食品研究與開發(fā),2011,32(12):143-146.

[18] ZHOU K,ZHONG K C,LONG C,et al.Development and validation of a predictive model for the growth ofSalmonellaenterica in chicken meat[J].J Food Safety,2014,34(4):326-332.

[19] JUNEJA V K,MELENDRES M V,HUANG L,et al.Mathematical modeling of growth ofSalmonellain raw ground beef under isothermal conditions from 10 to 45 degrees C[J].Int J Food Microbiol,2009,131(2/3):106-111.

[20] VELUGOTI P R,BOHRA L K,JUNEJA V K,et al.Dynamic model for predicting growth ofSalmonellaspp.in ground sterile pork[J].Food Microbiol,2011,28(4):796-803.

[21] SINGH A,KORASAPATI N R,JUNEJA V K,et al.Dynamic predictive model for the growth ofSalmonellaspp.in liquid whole egg[J].J Food Sci,2011,76(3):M225-M32.

[22] MCQUESTIN O J,MUSGROVE M T,TAMPLIN M L.Kinetics of growth and inactivation ofSalmonellaenterica serotype typhimurium DT104 in pasteurised liquid egg products[J].Food Microbiol,2010,27(3):396-402.

[23] PINON A,ZWIETERING M,PERRIER L,et al.Development and validation of experimental protocols for use of cardinal models for prediction of microorganism growth in food products[J].Appl Envir Microbiol,2004,70(2):1081-1087.

[24] VAN ASSELT E D,ZWIETERING M H.A systematic approach to determine global thermal inactivation parameters for various food pathogens[J].Int J Food Microbiol,2006,107(1):73-82.

[25] MUNOZ-CUEVAS M,METRIS A,BARANYI J.Predictive modelling ofSalmonella:from cell cycle measurements to e-models[J].Food Res Int,2012,45(2):852-862.

[26] HUMPHREY T J.Heat resistance inSalmonellaenteritidis phage type 4:the influence of storage temperatures before heating[J].J Appl Bacteriol,1990,69(4):493-497.

[27] VAN BOEKEL M A J S.On the use of the Weibull model to describe thermal inactivation of microbial vegetative cells [J].Int J Food Microbiol,2002,74(1/2):139-159.

[28] JORDAN J S,GURTLER J B,MARKS H M,et al.A mathematical model of inactivation kinetics for a four-strain composite ofSalmonellaenteritidis and oranienburg in commercial liquid egg yolk[J].Food Microbiol,2011,28(1):67-75.

[29] ERKMEN O.Mathematical modeling ofSalmonellatyphimurium inactivation under high hydrostatic pressure at different temperatures[J].Food Bioprod Proc,2009,87(C1):68-73.

[30] CHEN H.Use of linear,Weibull,and log-logistic functions to model pressure inactivation of seven foodborne pathogens in milk[J].Food Microbiol,2007,24(3):197-204.

[31] MONFORT S,SALDA A G,COND N S,et al.Inactivation ofSalmonellaspp.in liquid whole egg using pulsed electric fields,heat,and additives[J].Food Microbiol,2012,30(2):393-399.

[32] JUNEJA V K,HWANG C A,FRIEDMAN M.Thermal inactivation and postthermal treatment growth during storage of multipleSalmonellaserotypes in ground beef as affected by sodium lactate and oregano oil[J].J Food Sci,2010,75(1):M1-M6.

[33] CHUN H,KIM J,CHUNG K,et al.Inactivation kinetics ofListeriamonocytogenes,Salmonellaentericaserovar Typhimurium,andCampylobacterjejuniin ready-to-eat sliced ham using UV-C irradiation[J].Meat Sci,2009,83(4):599-603.

[34] COROLLER L,JEUGE S,COUVERT O,et al.Extending the gamma concept to non-thermal inactivation:a dynamic model to predict the fate ofSalmonelladuring the dried sausages process[J].Food Microbiol,2015,45:266-275.

[35] BOVILL R,BEW J,COOK N,et al.Predictions of growth forListeriamonocytogenesandSalmonelladuring fluctuating temperature[J].Int J Food Microbiol,2000,59(3):157-165.

[36] GUMUDAVELLI V,SUBBIAH J,THIPPAREDDI H,et al.Dynamic predictive model for growth ofSalmonellaenteritidisin egg yolk[J].J Food Sci,2007,72(7):M254-M262.

[37] CARRASCO E,DEL ROSAL S,CARLOS RACERO J,et al.A review on growth/no growthSalmonellamodels[J].Food Res Int,2012,47(1):90-99.

[38] KOUTSOUMANIS K P,KENDALL P A,SOFOS J N.Modeling the boundaries of growth ofSalmonellatyphimuriumin broth as a function of temperature,water activity,and pH[J].J Food Prot,2004,67(1):53-59.

[39] PIN C,AVENDANO-PEREZ G,COSCIANI-CUNICO E,et al.ModellingSalmonellaconcentration throughout the pork supply chain by considering growth and survival in fluctuating conditions of temperature,pH andaw[J].Int J Food Microbiol,2011,145:S96-S102.

[40] POLESE P,DEL TORRE M,SPAZIANI M,et al.A simplified approach for modelling the bacterial growth/no growth boundary[J].Food Microbiol,2011,28(3):384-391.

[41] KOSEKI S.Microbial responses viewer MRV a new ComBase-derived database of microbial responses to food environmets[J].Int J Food Microbiol,2009,134(1/2):75-82.

[42] DELHALLE L,TAMINIAU B,ELLOUZE M,et al.Predictive microbiology combined with metagenomic analysis targeted on the 16S rDNA:a new approach for food quality[EB/OL].[2016-02-25].http:∥orbi.ulg.be/bitstream/2268/172215/1/D-E-L-H-A-L-L-E-e-t-A-L-2013ICPMF8.pdf.

(責(zé)任編輯 管珺)

Progress in predictive models of Salmonella in food

JIN Yongguo,HAN Mengqi,SUN Zhuo,MA Meihu

(College of Food Science & Technology，Huazhong Agriculture University，Wuhan 430070,China )

As a main food-borne pathogens,Salmonellacauses food safety incidents all around the world at present.By establishing series of predictive models to describe and predict the growth and inactivation of microorganisms under the specific conditions,we can rapidly evaluate the microbial safety of food.This paper introduces the research progress in growth models and the inactivation models ofSalmonellain food and growth models under dynamic conditions and surface model in recent years.Finally,anticipated future developments are summarized.

Salmonella; predictive models; food safety

10.3969/j.issn.1672-3678.2016.06.013

2016-03-07

國家自然科學(xué)基金(31230058)；現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項資金(CARS-41-K23)

金永國(1977—)，男，吉林通化人，副教授，研究方向：禽蛋蛋白質(zhì)抗菌機制；馬美湖(聯(lián)系人)，教授，E-mail：mameihuhn@163.com

TS201.3

A

1672-3678(2016)06-0071-06