摘要
在预测食品微生物学中，选择描述微生物生长的初级模型往往显得主观。本研究的目的是检查不同数学模型在预测生长参数方面的性能，包括通过吸光度和平板计数方法。为此，分析了三种不同微生物（蜡样芽孢杆菌、单核细胞增生李斯特菌和大肠杆菌）在相同条件下但不同初始浓度下生长的生长曲线。当通过光密度测量每种微生物的生长时，几乎所有模型对所有生长曲线都提供了较高的拟合优度（r²>0.93）。对于每种微生物的所有生长曲线，当考虑一种生长模型时，生长率保持大致恒定，但模型之间存在差异。三相线性模型为所有三种微生物提供了生长率值的最低变异。Baranyi模型给出的变异略高，尽管整体拟合更好。当通过平板计数测量微生物生长时，获得了类似的结果。这些结果提供了对预测微生物学的见解，并将帮助食品微生物学家和研究人员选择适当的初级生长预测模型。
1.引言
预测微生物学通过使用数学模型，能够估计微生物在特定环境下的行为[1]，其前提是微生物对环境因素的反应是可重复的。预测微生物生长（受不同环境因素影响）和微生物存活（作为防腐处理的结果）的能力是评估食品安全和保质期的重要工具。
在预测微生物学应用于食品工业之前，需要能够充分描述微生物行为的数学模型。存在多种S形方程和几种已被用作生长函数的模型。它们都在“易用性”和方程参数数量上有所不同。一些作者从不同角度比较了不同生长模型的行为，包括数学拟合优度度量[2]和/或其他统计标准[3-5]。先前研究中模型比较的常用拟合优度度量是通过计算Ross提供的偏差因子（Bf）和准确度因子（Af）[6]、决定系数（r²）、残差均方误差（RMSE）或F检验。其他作者[7,8]则专注于直接比较各种模型预测的特定生长参数。
这些研究得出了不同的结论。因此，文献中关于哪种模型最适合预测微生物学存在显著分歧。在预测食品微生物学中，模型的选择往往显得主观。基于文献报道，Gompertz、Baranyi、Richards、Logistic和三相线性模型是最广泛使用的[5,9-11]。
生长曲线大多以微生物数量（菌落形成单位浓度）表示，但也以光密度作为间接测量值表示。与许多其他技术相比，特别是与经典活菌计数方法相比，吸光度测量是一种快速、无损、廉价且相对易于自动化的监测细菌生长的方法。当建模光密度生长曲线时，拟合参数与从活菌计数推导出的种群生长参数不同。光密度的增加速率不表示最大比生长率，检测时间也不等同于延迟时间，除非初始接种量大于检测限。尽管存在与检测阈值、与活菌计数生长曲线参数的相关性以及无法在浑浊液体食品和固体食品基质中建模生长相关的局限性，近年来仍有许多技术和数学生长模型被用于从吸光度数据估计生长率和延迟时间[5,7,8,12-14]。Dalgaard和Koutsoumanis认为[7]，吸光度技术应限于达到高细胞密度的条件，例如类似于腐败菌在食品中的生长。即使假设吸光度构建生长曲线存在局限性，它可能有用，如果不是为了获得非常精确的生长动力学参数，至少可以比较不同培养物或同一培养物在不同条件下的生长。
对食品中细菌行为建模的工作表明，延迟期比比生长率更难预测[15]，主要是因为延迟时间受单个细菌细胞生理状态的影响，以及在较小程度上受接种量的影响。细胞的生理状态受其先前生长环境和暴露于胁迫条件的影响，这可以显著延长延迟时间并增加单个细胞延迟时间的变异性[16-18]。然而，具有相似预培养历史并暴露于相同有利生长条件的微生物应处于相似的最佳生理状态，因此其对延迟时间变异性的影响可忽略不计[19]。关于接种量，Baranyi和Pin[20]表明，当接种物中的细胞数量减少时，种群延迟会增加，增加量取决于单个延迟时间的分布和最大比生长率。Augustin等[21]表明，接种水平效应可以通过当胁迫因素变得更严格时单个细胞延迟时间变异性的增加来解释，而Baranyi和Pin[20]发现，在最佳生长条件下，这种效应仅预期在接种水平低于约10°-10³个细胞时发生，因为小种群细胞间的变异性对延迟时间的影响可能变得更加重要[2,22]。
因此，足够大的微生物种群暴露于完全相同的有利生长条件且具有相似的预培养历史时，行为应相似；即，它们应显示相同的生长参数、生长率和延迟期持续时间。
本研究的目的是检查不同数学模型在预测生长参数方面的性能，包括通过吸光度和平板计数方法。为此，分析了三种不同微生物（蜡样芽孢杆菌、单核细胞增生李斯特菌和大肠杆菌）在相同条件下但不同初始浓度下生长的生长曲线。
相关新闻推荐
2、牛支原体分离株YJ-22的分离鉴定、生长特性、致病性及免疫原性研究（四）