摘要
在預測食品微生物學中，選擇描述微生物生長的初級模型往往顯得主觀。本研究的目的是檢查不同數學模型在預測生長參數方面的性能，包括通過吸光度和平板計數方法。為此，分析了三種不同微生物（蠟樣芽孢桿菌、單核細胞增生李斯特菌和大腸桿菌）在相同條件下但不同初始濃度下生長的生長曲線。當通過光密度測量每種微生物的生長時，幾乎所有模型對所有生長曲線都提供了較高的擬合優度（r2>0.93）。對于每種微生物的所有生長曲線，當考慮一種生長模型時，生長率保持大致恒定，但模型之間存在差異。三相線性模型為所有三種微生物提供了生長率值的最低變異。Baranyi模型給出的變異略高，盡管整體擬合更好。當通過平板計數測量微生物生長時，獲得了類似的結果。這些結果提供了對預測微生物學的見解，并將幫助食品微生物學家和研究人員選擇適當的初級生長預測模型。
1.引言
預測微生物學通過使用數學模型，能夠估計微生物在特定環境下的行為[1]，其前提是微生物對環境因素的反應是可重復的。預測微生物生長（受不同環境因素影響）和微生物存活（作為防腐處理的結果）的能力是評估食品安全和保質期的重要工具。
在預測微生物學應用于食品工業之前，需要能夠充分描述微生物行為的數學模型。存在多種S形方程和幾種已被用作生長函數的模型。它們都在“易用性”和方程參數數量上有所不同。一些作者從不同角度比較了不同生長模型的行為，包括數學擬合優度度量[2]和/或其他統計標準[3-5]。先前研究中模型比較的常用擬合優度度量是通過計算Ross提供的偏差因子（Bf）和準確度因子（Af）[6]、決定系數（r2）、殘差均方誤差（RMSE）或F檢驗。其他作者[7,8]則專注于直接比較各種模型預測的特定生長參數。
這些研究得出了不同的結論。因此，文獻中關于哪種模型最適合預測微生物學存在顯著分歧。在預測食品微生物學中，模型的選擇往往顯得主觀?；谖墨I報道，Gompertz、Baranyi、Richards、Logistic和三相線性模型是最廣泛使用的[5,9-11]。
生長曲線大多以微生物數量（菌落形成單位濃度）表示，但也以光密度作為間接測量值表示。與許多其他技術相比，特別是與經典活菌計數方法相比，吸光度測量是一種快速、無損、廉價且相對易于自動化的監測細菌生長的方法。當建模光密度生長曲線時，擬合參數與從活菌計數推導出的種群生長參數不同。光密度的增加速率不表示最大比生長率，檢測時間也不等同于延遲時間，除非初始接種量大于檢測限。盡管存在與檢測閾值、與活菌計數生長曲線參數的相關性以及無法在渾濁液體食品和固體食品基質中建模生長相關的局限性，近年來仍有許多技術和數學生長模型被用于從吸光度數據估計生長率和延遲時間[5,7,8,12-14]。Dalgaard和Koutsoumanis認為[7]，吸光度技術應限于達到高細胞密度的條件，例如類似于腐敗菌在食品中的生長。即使假設吸光度構建生長曲線存在局限性，它可能有用，如果不是為了獲得非常精確的生長動力學參數，至少可以比較不同培養物或同一培養物在不同條件下的生長。
對食品中細菌行為建模的工作表明，延遲期比比生長率更難預測[15]，主要是因為延遲時間受單個細菌細胞生理狀態的影響，以及在較小程度上受接種量的影響。細胞的生理狀態受其先前生長環境和暴露于脅迫條件的影響，這可以顯著延長延遲時間并增加單個細胞延遲時間的變異性[16-18]。然而，具有相似預培養歷史并暴露于相同有利生長條件的微生物應處于相似的最佳生理狀態，因此其對延遲時間變異性的影響可忽略不計[19]。關于接種量，Baranyi和Pin[20]表明，當接種物中的細胞數量減少時，種群延遲會增加，增加量取決于單個延遲時間的分布和最大比生長率。Augustin等[21]表明，接種水平效應可以通過當脅迫因素變得更嚴格時單個細胞延遲時間變異性的增加來解釋，而Baranyi和Pin[20]發現，在最佳生長條件下，這種效應僅預期在接種水平低于約10°-103個細胞時發生，因為小種群細胞間的變異性對延遲時間的影響可能變得更加重要[2,22]。
因此，足夠大的微生物種群暴露于完全相同的有利生長條件且具有相似的預培養歷史時，行為應相似；即，它們應顯示相同的生長參數、生長率和延遲期持續時間。
本研究的目的是檢查不同數學模型在預測生長參數方面的性能，包括通過吸光度和平板計數方法。為此，分析了三種不同微生物（蠟樣芽孢桿菌、單核細胞增生李斯特菌和大腸桿菌）在相同條件下但不同初始濃度下生長的生長曲線。
相關新聞推薦
1、小腸結腸炎耶爾森氏菌烈性噬菌體分離鑒定、生長曲線及應用潛力——材料與方法
3、土壤有機磷源卵磷脂和植酸對禾谷鐮刀菌菌絲生長和致病力的影響（一）