储粮预测微生物模型的研究进展

岳晓禹 张恒业 辛 婷 李 欣 刘相东 牛天贵

储粮预测微生物模型的研究进展

岳晓禹1，2张恒业1辛 婷1李 欣1刘相东2牛天贵2

(郑州牧业工程高等专科学校质检系1，郑州 450011)
(中国农业大学食品科学与营养工程学院2，北京 100083)

粮食的安全储藏，关系到食品安全和人类健康。依据预测微生物学，构建储粮中微生物生长预测模型，可以快速对储粮中微生物的生长情况进行判断，对储粮中病原微生物和腐败微生物的控制有重要的意义。对实现“生态储粮”，确保储粮安全也具有重要的理论和实际应用价值。以文献综述形式，简要概述了储粮微生物，根据不同的数学模型，综述了初级、二级和三级模型中常见的模型，并在此基础上，简述了储粮中主要有害霉菌模拟研究的最新研究进展。

储粮 预测微生物 模型 综述

稻谷、小麦和玉米是我国的主要粮食种类和存储粮种。在粮食储藏期间，国家大型粮库主要通过监测温度、检测粮食品质指标变化来判断储藏状况，以通风、降温等手段抑制霉菌等微生物的危害性活动［1］。由于我国粮食储存期普遍较长，粮食本身具有特有的物理和生理特性，环境及温湿度及粮仓内湿热空气流动会影响局部粮食，导致其水分发生变化。当局部环境的温、湿度满足霉菌生长的条件后，储粮就有发生霉腐现象的可能，而且有些霉菌会产生霉菌毒素等有毒代谢产物，影响相关食品的品质和食用安全，威胁人类的健康。另外，我国每年由于储藏不当，造成霉变的粮食达数十亿公斤，约占全国粮食总产量的1．5%～3%［2］，造成这一原因的根源也是粮食微生物，因此，如何控制储粮微生物以保证食品安全与质量、减少储粮损耗是我国粮食贮藏与加工发展的瓶颈。

建立预测微生物学的数学模型可快速地了解微生物的生长特性，描述一定条件下储粮中特定微生物或产毒菌的响应情况，从而实现对储粮品质的评估和贮藏期的预测，并以此为依据优化储粮方法和手段。此外，预测微生物模型还可用于霉菌毒素的预测、评估和分析，新产品开发、操作人员培训、科研实验及结果分析等。对实现“绿色储粮”、“生态储粮”，确保粮食和饲料贮藏的安全，具有重要的理论和应用价值，也是粮食和饲料贮藏可持续性发展的方向和社会的需求。

1 储粮微生物

不同种类的微生物对粮食的影响是不一样的。其中对粮食安全储藏和食品卫生有直接危害的主要是霉腐微生物。在霉腐微生物这一庞大类群中，就其危害性而言，则以霉菌为最严重。这是因为霉菌的代谢活动所要求的水分和温度等条件远比细菌、放线菌和酵母菌低。其中对储粮危害极大，危害最严重的而又普遍的是曲霉和青霉及镰孢菌［3］。

不同类型储粮中的主要有害霉菌并非完全相同，即使贮藏于不同环境下的同一种储粮中的主要有害霉菌也不同。将某一特定环境下能够引起储粮腐败且于后期占绝对优势的霉菌成为该种储粮的特定有害菌。特定有害菌并非始终处于较高的数量水平，也可能腐败初期其生物量较低，但其生长速率较其他微生物高［4－5］。

粮食微生物不仅可以导致粮食霉变，而且有的还可以产生毒素污染，较低的剂量就能影响饲用储粮的安全性，严重影响人类食用的安全性。这些都会影响饲用储粮的质量和储藏期。在产毒真菌中，许多菌株被发现同人类的食物有很强烈的生态联系［6］。在食物和饲料的贮藏过程中，经常会发现他们的存在。一些农作物的污染在许多种植地区是比较严重的，随之会导致产生巨大的经济损失以及潜在的公共危害［7］。

20世纪80年代初一些专家对我国粮食作物中产毒真菌进行调查，发现在小麦、稻谷和玉米3大系列作物中，主要真菌毒素是黄曲霉毒素(Aflatoxins)和镰孢菌毒素(Fusarium toxins)，其次是杂色曲霉毒素(Sterigmatocystin)和赭曲霉毒素A(Ochratoxins A)［8］。

2 微生物预测模型

2．1 模型简介

预测微生物学(Predictive Microbiology)是一门微生物、统计学、工程数学和计算机技术相结合的产物，在不进行产品微生物检测分析的情况下，描述和预测微生物在一定条件下的生长或衰亡，实现预报其货架期等目的，从而对食品安全做出快速评估的预测方法［9－10］。

预测微生物学的研究始于20世纪20年代某些微生物热致死时间的计算，D值和Z值的成功运用使罐头食品中肉毒杆菌食物中毒的风险大大降低。近年来随着栅栏技术和HACCP技术等的发展，预测微生物学再次成为热点，在货架期预测、食品安全风险评估、HACCP体系中，取得了良好的应用效果［11］。

根据美国农业部Whiting和Buchanan的分类方法［12］，首次将预测微生物学模型分为初级模型、二级模型和三级模型。

2．2 初级模型

初级模型是表征微生物数量与时间变化之间的关系，既微生物的响应。而表征微生物响应的模型响应参数则有直接响应参数和间接响应参数两种。直接参数包括每毫升的菌落形成单位数、毒素产生、底物浓度以及代谢产物等;间接参数则包括电阻抗和吸光率等。预测微生物学研究者提出了不少用于描述微生物动力学生长的初级模型，主要包括:Gompertz函数、指数函数、线形模型(Linear model)、热致死D值、修正的monod模型、逻辑斯蒂克函数(Logistic function)等。在众多的初级微生物生长动力学模型中，Gompertz模型、Logistic模型和Baranyi＆Roberts模型［13－18］等由于较好的拟合度被广泛的应用。

2．1．1 Gompertz函数

美国农业部开发的病原菌模型程序PMP(Pathogen Modeling Program)和英国农粮渔部开发的食品微型模型FM(Food Micromodel)都是以Gompertz函数作为初级模型。Gompertz函数为［13，18］:

式中:A=ln(Nmax/N0)，μm为最大生长速率，λ微生物生长延滞期，N0为微生物初始数量，Nmax为最大微生物数量(微生物稳定期数量)，Nt为时间t时的微生物数量，t为时间。

目前，应用Gompterz函数作为描述细菌生长的动力学模型时，其公式变换后多采用如下形式:

式中参数同(1)。

2．2．2 Baranyi＆Roberts模型

Baranyi和Roberts［14］的生长模型也能较好的模拟某些微生物的生长，该模型如下:

式中:m为在指数期之后的Richards曲线参数(规定m=1);y0为在t=0时的菌落直径/mm;μmax为菌落最大生长速率/mm/d;ymax为最大菌落直径/mm;λ为迟滞期/d;v为酶促反应速度;t为时间。

在冻生虾仁［19］、酱牛肉［20］、牛乳［21－22］、模拟蟹肉［23］等样品中均利用Gompterz函数进行了模拟研究。Juneja等［24］分别用Gompertz模型、Baranyi＆Roberts模型和Logistic模型对鸡肉中沙门氏菌生长情况进行了模拟，认为Gompertz模型和Baranyi＆Roberts模型要明显优于Logistic模型，这与Liao等［18］在胡萝卜汁中模拟沙门菌的研究结论一致。

2．3 二级模型

二级模型则描述初级模型响应随环境因子，如温度、水分活度、溶氧的变化规律，即表述微生物生长特征参数(最大生长特征速度、延迟期、细菌最大浓度等)如何随各环境因素(温度、水分活度、pH值和防腐剂的浓度)的变化而变化。目前二级模型的研究热点主要包括:响应面方程(Response surface equation)、Arrhenius/Davey关系式和Ratkowsky模型(平方根方程square root model)。

2．3．1 响应面方程

响应面方程是一种多项式回归方程，它可以是线性的、二次的、立方的方程。响应面方程作为二级动力学模型多与初级模型中的Gompertz方程联用，

式中:μm为比生长速率;T为微生物生长所处温度;pH为微生物生长所处pH值;Aw为微生物生长所处水分活度;a、b、c、d、e、f、g、h、i、j、p为模型参数。

响应面方程的准确程度依赖大量的试验样本［27－28］。在一些研究中，响应面方程得到了比较成功的应用［21，25，29－31］。

2．3．2 Ratkowsky模型

经典的Ratkowsky方程可以用来描述最大生长速率和迟滞期随温度变化的函数线性关系，具体公式如下:Gompertz方程中的参数λ和μm的计算可以由响应面方程得到［15，25－26］。

一个典型的考虑3种主要环境因子的多元二次响应面方程如下［25－26］:

式中:μm为比生长速率;T为建模温度/℃;Tmin，μ和Tmin，λ分别为对应与 μm和 λ 的目的菌最小生长温度;a、b为模型常数;Tmin，μ是一个假设性的概念，指的是微生物在没有代谢活动时的温度，即在此温度时最大比生长速率为零。

“平方根”方程的研究和使用都很广泛，许多研究报告表明，评价不同的恒定贮藏温度对于食品或模拟系统中的多种微生物生长的影响，Ratkowsky的经验方程都是有效的［19，32－38］。其最大的优点是简单，无论是模型的建立还是模型的使用。

基于Ratkowsky方程，其他变量对比生长速率的影响也被引入了进来［26，38］，具体公式如下:

式中:μ为微生物的比生长速率;pH为微生物生长所处pH值;aw为微生物生长所处的水分活度;T为微生物生长所处温度。

2．4 三级模型

三级模型通过电脑软件把一个或多个初级和二级模型结合在起来，给出的一个模型系统，建立用户友好界面［16－17］，它具有根据环境因子的变化预测微生物生长的改变等功能。

病原体模型程序(pathogen modelling program，PMP)由美国农业部微生物食品安全研究机构开发。PMP预测模拟不同环境下各种微生物的生长、死亡和残存过程。该专家系统包括了多种重要的食源性病原菌的生长、失活、残存、产毒、冷却、辐射等38个预报模型，每个预报模型包括温度、pH、Aw、添加剂等影响因子［39－40］。

Sym’Previus是由法国农业研究部建立的食品安全方面的决策工具，是一个可以对模型输出结果进行综合分析和总结的专家系统，其目的是为管理人员提供质量研究和开发的决策。Sym’Previus涉及食品安全管理和食源性病菌的行为预测，食品工业专业人士可以通过准入数据库和模拟系统进行使用［41］。

ComBase(微生物预测公共数据库)是由英国食品标准和食品研究协会，美国农业部农业研究服务机构和下属的东部地区研究中心，以及澳大利亚食品安全中心联合开发的。ComBase建立的目的是通过网络提供微生物在食品环境中的响应预测，是目前世界上最全面的预测微生物学信息库，而且还在不断完善中。ComBase整合了多种三级模型的数据，将各自分开研究的科学家联系到了一起，更有效地使用了人力物力，也体现了当今全球一体化和科学开放性的特点［42］。

3 储粮中主要有害霉菌的模型模拟

对储粮危害最为严重的霉菌主要有曲霉菌、青霉菌和镰孢菌属。

就储粮而言，曲霉类中人们比较关注的主要是黄曲霉(A．flavus)、寄生曲霉(A．parasiticus)和昆虫曲霉(A．nominus)。这些菌株是产生一类次生代谢物质——黄曲霉毒素(Aflatoxins)的主要产生菌。黄曲霉毒素虽然有近20种相关的代谢产物，但是在污染的食品以及饲料中，通常只有黄曲霉毒素B1，B2，G1，G2和M1被发现有较高的含量存在［43］。黄曲霉毒素B1已经被证实是已知自然界中最强的可产生致癌、致畸、致突变等严重危害的物质［44］。基于黄曲霉(A．flavus)能够产生毒素这一事实，黄曲霉是科学领域中研究最广泛也最为关注的真菌菌种之一。至今已经发表了一些研究黄曲霉生长及其毒素产生的影响因素(包括生物的以及非生物的因素)的文章［45－48］。

针对曲霉生长或者毒素产生的影响因素(生物的和非生物的)，进行模型模拟研究的文章还较少发现。部分原因是由于一些内在的不同情况，如霉菌生长速率的评估和充分的、适宜的、可重复的数据的收集等［49－50］。Marin等［45］利用修正的Gompertz模型，在玉米提取液培养基上，研究模拟了水分活度和温度对一些曲霉菌种的迟滞期和代时的影响。Sautour等［46，51］利用PDA(potato dextrose agar)培养基，对几种霉菌的生长和水分活度之间的关系进行了模型模拟研究，并评估了其最低水分活度、最适水分活度和最大水分活度。李瑞芳等［52］利用PDA培养基对影响黄曲霉生长的因素进行了模拟研究，并探讨了其在玉米贮藏中的应用。

对青霉菌进行模拟研究的报道较少，Baert等［53］以贮藏苹果为介质，模拟了Penicillium expansum部分菌株在不同温度下的生长情况。镰孢菌属(Fusarium)成员已被视为世界范围内主要的农业问题和重要的病原真菌［54－55］。迄今涉及镰孢菌的文献报道主要是有关其生长及产生毒素的各种环境因素的研究［56－58］。模拟镰孢菌生长的研究文献报道较少，Marin等［59］用修正的Gompertz方程模拟研究了一些镰孢菌菌株的生长情况。

4 结语

开展预测微生物学的理论及应用研究是国内外的一个热点，应用预测微生物学方法，研究影响储粮和饲料品质的霉菌的消长规律，构建预测储粮或饲料中霉变过程的模型，从而实现对储粮品质的评估和贮藏期的预测，为实现“生态储粮”奠定重要的理论和实际应用基础，为指导储粮和饲料安全贮藏提供了一种新的方法和思路，这具有重要的理论和应用价值，尤其在最近国内某品牌牛奶中被检出黄曲霉毒素超标的安全事故发生之下，更具有现实意义，也对以后研究其他食品安全和评估，提供了一个借鉴。

目前国内外开展关于预测微生物学的理论基础及应用研究也有一些问题需要解决。比如微生物建模的实验数据直接采用实物作为微生物培养基质为宜，但同时增加了微生物及代谢产物的检测难度，另外建模过程中获取大量实验数据也是十分繁琐的工作，亟需发展和应用微生物快速检测技术去解决这一问题。

［1］黄淑霞，蔡静平，田海娟．主要粮食品种储藏期间霉菌活动特性研究［J］．中国粮油学报，2010，25(1):99－102

［2］徐铠煜，伍松陵，宋慧．复配型防霉剂对十种粮食霉菌抑制效果评价［J］．中国粮油学报，2010，25(3):98－101

［3］蔡静平．粮油食品微生物学［M］．北京:中国轻工业出版社，2002

［4］Dalgaard P．Qualitative and quantitative characterization of spoilage bacteria from packed fish［J］．International Journal of Food Microbiology，1995，26:319－333

［5］Huis in＇t Veld J H．Microbial and biochemical spoilage of foods:an overview［J］．International Journal of Food Microbiology，1996，33(1):1－18

［6］Pitt JI．Toxigenic fungi and mycotoxins［J］．British Medical Bulletin，2000，56(1):184－192

［7］Norton R A．Inhibition of aflatoxin B1 biosynthesis in Aspergillus flavus by anthocyanidins and related flavonoids［J］．Journal of Agricultural and Food Chemistry，1999，47(3):1230－1235

［8］梁志宏．粮食中赭曲霉毒素A的检测及产毒素菌株的分析与研究［D］．北京:中国农业大学，2008

［9］Walls I，Scott V N．Use of predictive microbiology in microbial food safety risk assessment Inhibition of aflatoxin B1 biosynthesis in Aspergillus flavus by anthocyanidins and related flavonoids［J］．International Journal of Food Microbiology，1997，36:97－102

［10］McMeekin T A，Olley J，Ratkowsky D A，et al．Predictive microbiology:towards the interface and beyond［J］．International Journal of Food Microbiology，2002，73:395－407

［11］McMeekin T A，Baranyi J，Bowman J，et al．Information systems in food safety management［J］．International Journal of Food Microbiology，2006，113:181－194

［12］Whiting R C，Buchanan R L．A classification of models for predictive microbiology［J］．Food Microbiology，1993，10:175－177

［13］Xiong R，Xie G，Edmondson A S，et al．Comparison of the Baranyi model with the modified Gompertz equation for modelling thermal inactivation of Listeria monocytogenes［J］．Food Microbiology，1999，16:269－279

［14］Baranyi J，Roberts T A．A dynamic approach to predicting bacterial growth in food［J］．International Journal of Food Microbiology，1994，23:277－294

［15］李柏林，郭剑飞，欧杰．预测微生物学数学建模的方法构建［J］．食品科学，2004，25(11):52－57

［16］McDonald K，Sun D W．Predictive food microbiology for the meat industry:a review ［J］．International Journal of Food Microbiology，1999，52:1－27

［17］Isabelle L，Andre L．Quantitative prediction of microbial behavior during food processing using an integrated modeling approach:a review［J］．International Journal of Refrigeration，2006，29:968－984

［18］Liao H M，Kong X Z，Zhang ZY，et al．Modeling the inactivation of Salmonella typhimurium by dense phase carbon dioxide in carrot juice［J］．Food Microbiology，2010，27:94－100

［19］黄驰云，雷晓凌，洪鹏志，等．冻生虾仁金黄色葡萄球菌预测模型的建立及应用［J］．食品工业科技，2011，32(4):81－84

［20］胡洁云，严维凌，林露，等．气调包装酱牛肉贮藏过程中优势腐败菌变化规律和预测模型的初建［J］．食品科学，2010，31(23):142－145

［21］闫军，遇晓杰，汤岩，等．金黄色葡萄球菌在生乳中生长预测模型的建立［J］．中国食品卫生杂志，2010，22(6):502－505

［22］Fujikawa H，Norozumi S．Modeling Staphylococcus aureus growth and enterotoxin production in milk［J］．Food Microbiology，2006，23(3):260－267

［23］黄和，李文杰，雷晓凌，等．模拟蟹肉中金黄色葡萄球菌生长预测模型的研究［J］．食品科技，2010，35(10):54－57

［24］Juneja V K，Melendres M V，Huang L H，et al．Modeling the effect of temperature on growth of Salmonella in chicken［J］．Food Microbiology，2007，24(4):328－335

［25］Bahk G J，Hong C H，OH D H，et al．Modeling the level of contamination of Staphylococcus aureus in ready－to eat Kimbab in Korea［J］．Journal of Food Protection，2006，69(6):1340－1346

［26］Zwietering M H．Quantification of microbial quality and safety in minimally processed foods［J］．International Dairy Journal，2002，12:263－271

［27］García－Gimeno R M，Hervás－Martínez C，Silóniz I de．Improving artificial neural networks with a pruning methodology and generic algorithms for their application in microbial growth prediction in food［J］．International Journal of Food Microbiology，2002，72:19－30

［28］Zurera－Cosano G，Garcia－Gimeno R M，Rodriguez－perez R，et al．Performance of response surface model for prediction of Leuconostoc Mesenteroides growth parameters under different experimental conditions［J］．Food Control，2006，17(6):429－438

［29］Oscar T P．Response surface models for effects of temperature，pH，and previous growth pH on growth kinetics of Salmonella typhimurium in brain heart infusion broth［J］．Journal of Food Protection，1998，62:106－111

［30］Juneja V K，Marmer B S，Eblen B S．Predictive model for the combined effect of temperature，pH，sodium chloride and sodium pyrophosphate on the heat resistance of Escherichia coli O157:H7［J］．Journal of Food Safety，1999，19:147－160

［31］Olmez H K，Aran N．Modeling the growth kinetics of Bacillus cereus as a function of temperature，pH，sodium lactate and sodium chloride concentrations［J］．International Journal of Food Microbiology，2005，98(2):135－143

［32］Ratkowsky D A，Olley J，McMeekin T A，et al．Relationship between temperature and growth rate of bacterial cultures［J］．Journal of Bacteriology，1982，149:1－5

［33］Ratkowsky D A，Lowry R K，McMeekin T A，et al．Model for bacterial culture growth rate throughout the entire biokinetic temperature range［J］．Journal of Bacteriology，1983，154:1222－1226

［34］AdairC，Kilsby D C，Whittall P T．Comparison of the Schoolfield(non－linear Arrhenius)model and the square root model for predicting bacterial growths in foods［J］．Food Microbiology，1989，6:7－18

［35］Davey K R．A predictive model for combined temperature and water activity on microbial growth during the growth phase［J］．Journal of Application Bacteriology，1989，67:483－488

［36］Davey K R．Applicability of the Davey linear Arrhenius predictive model to the lag phase of microbial growth［J］．Journal of Application Bacteriology，1991，70:253－257

［37］Zwietering M H，Rombouts F M．Some aspects of modeling microbial quality of food［J］．Food Control，1993，4:89－96

［38］Greer G G，Gill C O，Dilts B D．Evaluation of the bacteriological consequences of the temperature regimes experienced by fresh chilled meat during retail display［J］．International Food Research，1994，27:371－377

［39］Tamplin M，Baranyi J，Paoli G．Modeling Microbial Responses in Foods［M］．Boca Raton:CRCPress LLC，2004，233－242

［40］Buchanan R L．Using spreadsheet software for predictive applications［J］．Journal of Food Safety，1991，11:123－124

［41］Leporqa B，Membre JM，Dervinb 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

［42］Koseki S．Microbial Responses Viewer(MRV):A new Com-Base derived database of microbial responses to food environments［J］．International Journal of Food Microbiology，2009，134(1/2):75－82

［43］Sweeney M J，Dobson A D W．Mycotoxin production by Aspergillus，Fusarium and Penicillium species［J］．International Journal of Food Microbiology，1998，43:141－158

［44］Creppy E E．Update of survey，regulation and toxic effects of mycotoxins in Europe［J］．Toxicology Letters，2002，127(1－3):19－28

［45］Marin S，Sanchis V，Sa'enz A J，et al．Ecological determinants for germination and growth of some Aspergillus and Penicillium spp．from corn grain［J］．Journal of Applied Microbiology，1998，84(1):25－36

［46］Sautour M，Dantigny P，Divies C，et al．A temperature－type model for describing the relationship between fungal growth and water activity［J］．International Journal of Food Microbi-ology，2001，67:63－69

［47］Sautour M，Soares Mansur C，Divies C，et al．Comparison of the effects of temperature and water activity on growth rate of food spoilage moulds［J］．Journal of Industrial Microbiology Biotechnology，2002，28(6):311－316

［48］Samapundo S，Devlieghere F，Geeraerd A H，et al．Modeling of the individual and combined effects of water activity and temperature on the radial growth of Aspergillus flavus and A．parasiticus on corn［J］．Food Microbiology，2007，24:517－529

［49］Gibson A M，Baranyi J，Pitt J I，et al．Predicting fungal growth:the effects of water activity on Aspergillus flavus and related species［J］．International Journal of Food Microbiology，1994，23:419－431

［50］Gibson A M，Hocking A D．Advances in the predictive modelling of fungal growth in food［J］．Trends in Food Science＆Technology，1997，8(11):353－358

［51］Sautour M，Rouget A，Dantigny P，et al．Application of Doehlert design to determine the combined effects of temperature，water activity and pH on conidial germination of Penicillium chrysogenum［J］．Journal of Applied Microbiology，2001，91:900－906

［52］李瑞芳，韩北忠，陈晶瑜，等．黄曲霉生长预测模型的建立及其在玉米储藏中的应用［J］．中国粮油学报，2008，23(3):144－147

［53］Baert K，Valero A，De Meulenaer B．Modeling the effect of temperature on the growth rate and lag phase of Penicillium expansum in apples［J］．International Journal of Food Microbiology，2007，118(2):139－150

［54］Doko M B，Canet C，Brown N，et al．Natural co－occurrence of fumonisins and zearalenone in cereals and cereal based foods from eastern and southern Africa［J］．Journal of Agricultural and Food Chemistry，1996，44:3240－3243

［55］Nelson P E，Toussoun T A，Marasas W F O．Fusarium species:an illustrated manual for identification［M］．University Park:Pennsylvania State University Press，1983，5－18，47－48，128－132

［56］Chulze SN，Etcheverry M G，Lecumberry SE，et al．Fumonisin production on irradiated corn kernels:effect of inoculum size［J］．Journal of Food Protection，1999，62(7):814－817

［57］Velluti A，Marin S，Bettuci L，et al．The effect of fungal competition on colonization of maize grain by F．moniliforme，F．proliferatum and F．graminearium on fumonisin B1 and zearalenone formation［J］．International Journal of Food Microbiology，2000，59:59－66

［58］Ono E Y S，Sasaki E Y，Hashimota E H，et al．Post－harvest storage of corn:effects of beginning moisture content on mycoflora and fumonisin contamination［J］．Food Additives and Contaminants，2002，19:1081－1090

［59］Marin S，SanchisV，Teixido A，et al．Water and temperature relations and microconidial germination of Fusarium moniliforme and F．proliferatum from maize［J］．Canadian Journal of Food Microbiology，1996，42(10):1045－1050．

Research Progress in Predictive Microbiology Models of Stored Grain

Yue Xiaoyu1，2Zhang Hengye1Xin Ting1Li Xin1Liu Xiangdong2Niu Tiangui2
(Department of Quality Detection and Management，Zhengzhou College of Animal Husbandry Engineering1，Zhengzhou 450011)
(College of Food Science and Nutritional Engineering，China Agricultural University2，Beijing 100083)

The safety of the grain storage related to food safety and human health．According to the predictive microbiology，the microorganism＇s growth in stored grain can be fast judgment in advance by construction of predictive microbiology model．It plays an important part in controlling the growth of pathogen and the spoilage microorganism in stored grain．It is of important theoretical and practical application value to realize the"ecological storage of grain"and ensure the security of the grain storage．This paper provides a review on the microbes of grain storage．According to different mathematical model，this paper reviews the primary，secondary and tertiary model．Besides，and the research progress of the main harmful mold simulation in grain storage was discussed．

stored grain，predictive microbiology，model，reviews

Q939．9

A

1003－0174(2012)05－0118－06

河南省重点科技发展计划(112102110034);河南省教育厅自然科学研究计划(2011A550014)，郑州牧专博士科研启动资金(5040190)

2011－08－08

岳晓禹，男，1974年出生，副教授，博士，食品微生物