高密度CO2对生鲜调理鸡肉杀菌动力学模型构建

饶伟丽，刘 琳，张德权，杨 扬，王振宇，陈 丽，高 远

(中国农业科学研究院农产品加工研究所，农业部农产品加工重点实验室，北京100193)

高密度CO2杀菌技术是近年来发展起来的一种新型非热力杀菌技术，由于其具有杀菌温度低、无残留、无污染、营养损失少等优点，受到国内外学者的广泛关注，研究日益增多。目前，高密度CO2的研究主要集中在对果汁、牛奶等液态食品中微生物和酶的影响，以固态食品为处理介质的研究很少［1］。同时，微生物杀灭效果的数学模型是研究杀菌技术的理论关键之一，对其实际应用具有理论指导作用。目前有关肉品中高密度CO2杀菌的数学模型尚不清楚，因此寻找一个可靠的数学模型来精确描述不同处理条件下高密度CO2处理后肉品中微生物失活动力学变化是高密度CO2杀菌技术的研究热点之一。一级动力学模型是较为常用的杀菌模型之一，描述了微生物残存率数量级和处理时间的线性关系。但国外有研究表明高密度CO2杀菌后微生物存活曲线并不符合一级动力学模型，呈现出倒“S”形［1－4］。非线性模型较多，如Weibull模型、Modified Gompertz模型、Logistic 模型等，Kim 等人［4］首次将 Modified Gompertz模型应用于高密度CO2杀菌中，发现此模型很好地拟合了高密度CO2处理下，大肠杆菌和沙门氏菌的失活曲线。Weibull、Modified Gompertz、Logistic模型能否较好地表示不同处理条件下高密度CO2作用后微生物失活动力学变化目前尚缺乏足够的证据予以证实。同时，高密度CO2对固体食品，尤其是调理肉制品的杀菌效果和杀菌动力学的研究尚未见报道。为此，本实验以生鲜调理鸡肉为杀菌对象，研究不同压力、温度和时间下高密度CO2对细菌的灭活效果，采用 Weibull、Modified Gompertz、Logistic三个模型分析高密度CO2作用下微生物失活动力学变化，并通过模型分析参数 Af、Bf、SS、RMSE、R2评价模型的拟合程度，旨在找出最能拟合高密度CO2处理下微生物失活曲线的数学模型，为高密度CO2杀菌的实际应用提供理论依据。

1 材料与方法

1.1 材料与仪器

鸡胸肉 市售;培养基 北京陆桥科技有限公司;二氧化碳(纯度为99.95%)北京氧气厂。

高密度CO2装置 美国ISCO公司;LDZX－40B2型立式自动电热压力蒸汽灭菌器 上海申安医疗器械厂;HH.B11420型电热恒温培养箱 天津市中环实验电炉有限公司;WH－2微型旋涡混合仪 上海沪西分析仪器厂;BG－easy PZPETS1000移液器 北京百晶生物技术有限公司;DT－100A电子分析天平唐山光学仪器厂;SC－279GA海尔冰箱 青岛海尔特种冰柜有限公司;装配式洁净室 北京翌华月净化技术有限公司。

1.2 实验方法

1.2.1 制备生鲜调理鸡肉 配方(按100g鸡胸肉计算):食盐 2g、味精 0.5g、白糖 2g、淀粉 5g。

工艺流程:新鲜鸡胸肉→清洗→切块→添加辅料并调制→生鲜调理鸡肉。

1.2.2 高密度CO2处理 高密度CO2处理压力分别为 10、30、50MPa;温度分别为 35、40、45、50、55℃;时间分别为 15、30、45、60、75min。高密度 CO2处理操作如下:无菌状态下，将生鲜调理鸡肉放入5mL的无菌离心管中。待高密度CO2装置预热到设定温度后，将离心管置于杀菌釜中。经一定时间的升压过程达到设定压力，生鲜调理鸡肉在恒定温度和压力下进行静态处理。处理结束后卸压，取出离心管用无菌袋封装，迅速放入冰箱内，常温下检测其菌落总数。高密度CO2装置每次使用前都用75%的酒精和无菌水循环清洗5min。

1.2.3 菌落总数测定 按《GB/T 4789.17－2003食品卫生微生物学检验 肉与肉制品检验》［5］标准进行测定。杀菌效果以细菌存活率对数值lg(N/No)表示，其中N为高密度CO2处理后样品的菌落总数，cfu/g;No为高密度CO2处理前样品的菌落总数，cfu/g。

1.2.4 D值 D值是在一定温度下，活菌(或芽孢)数的90%死亡所需要的时间。即细菌残存曲线横过一个对数周期所需的时间，数值上等于细菌致死残存曲线斜率的负数，是表示微生物死亡速率的一种方法。计算公式如下:

式中:N－时刻 t时的菌数，cfu/g;t－时间，min;N0－初始菌数，cfu/g。

1.2.5 微生物杀菌动力学模型

1.2.5.1 Weibull模型 此模型是由 Weibull等［6］提出，此模型假设菌体间的热抗性和耐压性有差别，存活曲线符合累积分布函数。Weibull模型的公式如下:

式中:a为比例因子(scale factor)，b为形状因子(shape factor)。

1.2.5.2 Modified Gompertz模型 此模型是由Zwietering 等［7］提出，根据 S R Kim 等［3－4］研究得到以下公式:

式中:A为高低渐近线之差;kdm为最大灭活速率，min－1;λ 为延迟期时间，min;t为处理时间，min。

1.2.5.3 Logistic模型 此模型是 Cole等［8］提出，最初是用于研究热处理条件下微生物营养体细胞和芽孢菌的失活［9－10］，其拟合是基于微生物对外界处理条件的敏感性不同。公式如下:

式中:α为上渐近线(upper asymptote)，lg(cfu/g);ω为下渐近线(lower asymptote)，lg(cfu/g);σ为失活曲线的最大斜率(maximum slope of the inactivation curve);τ为失活曲线达到最大斜率时的数量级时间(log time at which the maximum slope is reached)，lg(min)，决定曲线的位置;t为处理时间，min。

1.2.5.4 模型评价 采用 Af、Bf、SS、RMSE 和 R2五个参数评价模型评判拟合度的优劣［11－14］。Af是精确因子，表示预测值与实测值偏离程度;Bf是偏差因子，Bf＞1表示模型预测值比实测值高，Bf＜1表示模型预测值比实测值低;SS是根平方和;RMSE是根平均方差;R2是相关系数。Af和Bf表示模型的性能，Af值越小，Bf值越接近1，模型拟合度越高;SS表示模型的精确度，SS越小，模型精确度越高，拟合度越好;相关系数 R2和 RMS E 表示模型的可靠度［13，16］，R2越大，RMSE越小，模型拟合度越高。Af、Bf和RMSE公式如下:

1.3 数据分析

实验数据采用Excel和Origin 8.0分析并绘图。

2 结果与分析

2.1 高密度CO2对生鲜调理鸡肉的杀菌效果

2.1.1 不同压力对高密度CO2杀菌效果的影响 由图1可知:常压热处理对生鲜调理鸡肉中细菌的杀菌效果不明显，55℃、75min处理，菌落总数仅下降0.859个对数;高压CO2和热处理结合可明显增强杀菌效果，且随处理压力和时间的增加，杀菌效果逐渐增强;不同处理压力间杀菌效果差异显著(p＜0.05)。高密度CO2处理后细菌存活率的降低呈现慢→快→慢的变化趋势，表明CO2在生鲜调理鸡肉的水相中溶解以及进入细胞扩散需要一段时间;此后随着处理压力和时间的增加，CO2与水相间的传质速率和溶解度提高，CO2可以快速地进入水相，并在水相中具有较高浓度的CO2而打破了微生物细胞内的生理平衡，同时高密度CO2易将微生物胞内物质萃出而造成细胞迅速死亡［2］。生鲜调理鸡肉中细菌种类繁多，每种微生物对高密度CO2的敏感性不同，如革兰氏阴性菌对高密度CO2敏感程度强于革兰氏阳性菌［1］，因此在杀菌初期一些不耐高压 CO2的微生物迅速死亡，而残存下来的微生物对高压CO2均具有较强的抗性，不易被杀灭，致使灭活速率降低。Lin等指出食品中的蛋白质和脂类物质能降低高密度CO2的透过能力，使CO2无法进入细胞内，从而降低了高密度CO2对微生物的灭活效果［17］，所以生鲜调理鸡肉中的蛋白质、脂肪等对微生物的失活也起了一定的保护作用，并且随着处理时间的延长，这种保护作用愈加明显。此外，随着细胞内外液pH、细胞构造、酶和细胞内其它物质的转化等众多因素影响，致使在高密度CO2杀菌后期细菌灭活速率降低。

2.1.2 不同温度对高密度CO2杀菌效果的影响 由图2可知:随处理温度和时间的增加，高密度CO2对生鲜调理鸡肉中细菌的杀菌效果逐渐增强;不同处理温度间杀菌效果差异显著(p＜0.05)。在处理压力和时间一定时，温度越高，杀菌效果越好，这是因为温度的升高增加了CO2的扩散速率以及细胞膜的流动性，使CO2更易透过，从而加速了细菌的死亡［18］。处理时间为15～30min时，45℃的杀菌效果比40℃的杀菌效果差，这可能是因为生鲜调理鸡肉中细菌种类繁多，每种细菌之间的抗热性和耐压性存在差异，其原因有待深入研究。

2.2 不同压力和温度对高密度CO2杀菌D值的影响

由图3可知:同一温度下，高压CO2杀菌D值均小于常压(0.1MPa)下热杀菌D值，表明高压CO2和热处理结合杀菌效果更好，这与图1相吻合。相同温度下，高密度CO2压力越大，其杀菌D值越小，表明压力升高，高压CO2对细菌的灭活效果增强。相同压力下，温度越高，D值越小，表明温度升高，CO2对细菌的灭活效果增强。总之，随着压力和温度的增加，高密度CO2的杀菌效果逐步增强，这与图1～图2相吻合。

2.3 三种模型分析

由表1中的数据可知:不同高密度CO2处理条件下，Weibull模型拟合值的相关系数R2在0.891以上，大多数在0.907～0.978之间，表明此模型较好地拟合了生鲜调理鸡肉中细菌的失活曲线。随着处理压力和温度的增加，比例因子a从69.635min下降到0.925min，形状因子b从2.073下降到0.346。a因子通常认为是速度常数，b因子通常代表失活曲线的形状，当b＜1时失活曲线是凹面，b＞1时失活曲线是凸面，当b=1时失活曲线是一条直线，即一级动力学反应［19］。本实验数据表明高密度CO2处理生鲜调理鸡肉中细菌的失活曲线既有凹面也由凸面，这与图1吻合，这可能是因为生鲜调理鸡肉中细菌的种类繁多，每种细菌之间的抗热性和耐压性存在差异，其原因有待深入研究。

图1 不同压力对高密度CO2杀菌效果的影响Fig.1 Effect of the different pressure on the inactivation of dense phase CO2

Modified Gompertz模型拟合值的相关系数R2在0.884以上，大多数在0.918～0.994之间，表明此模型很好地拟合了生鲜调理鸡肉中细菌的失活曲线。

Logistic模型拟合值的决定系数R2在0.959以上，表明此模型同样很好地拟合了调理鸡肉中细菌的失活曲线。

图2 不同温度对高密度CO2杀菌效果的影响Fig.2 Effect of the different temperature on the inactivation of dense phase CO2

图3 不同压力和温度对高密度CO2杀菌D值的影响Fig.3 Effect of the dense phase CO2pressure and temperature on the D value

2.4 三种模型评价

表2中的数据表明:Logistic模型的Af、SS分别为 1.038、0.761小于 Weibull模型和 Modified Gompertz模型得到的相应参数值;Log－logistic模型实测值和模型值相关系数R2为0.999大于Weibull模型和 Modified Gompertz模型的决定系数;Loglogistic模型的偏差因子Bf等于1.005，更加接近1。因此，3个模型中Logisti模型最好地拟合了生鲜调理鸡肉中细菌的失活曲线。Weibull模型和Modified Gompertz模型比较而言，Modified Gompertz模型的Af、SS较小，相关系数 R2较大，整体而言，Modified Gompertz模型比Weibull模型更好地拟合了生鲜调理鸡肉中细菌的失活曲线。

由图4可知:Weibull模型、Modified Gompertz模型、Log－logistic模型对高密度CO2杀灭生鲜调理鸡肉中细菌的预测值和实测值之间有较好相关性，决定系数 R2分别为0.980、0.992、0.999，拟合得到的方程分别为 y= －0.104+0.959x、y=0.005+0.999x、y=－0.002+0.999x。模型预测值与实测值越接近，则拟合直线的方程的斜率越接近于1，且方程截距越趋向于0。因此，根据决定系数R2，Log－logistic模型的拟合度最好，其次为Modified Gompertz模型，Weibull模型最差，这与表2数据吻合。

图4 高密度CO2杀菌效果预测值和实测值的相关性Fig.4 Correlation between the observed values and predicted values for inactivation effects of the dense phase CO2

表1 三种模型拟合高密度CO2杀菌效果的动力学曲线参数Table 1 Parameters of inactivation kinetics curves fitting by three models for total bacteria count treated by dense phase CO2

表2 三种模型评价参数比较Table 2 Comparison of the evaluation parameters of three models

3 结论

在本研究中，随处理压力、温度和时间的增加，高密度CO2对生鲜调理鸡肉中细菌的杀菌效果逐渐增强。预测值和实测值的相关决定系数R2表明，Weibull模型、Modified Gompertz模型、Log－logistic模型都能较好的拟合生鲜调理鸡肉中细菌的失活曲线，其中 Log－logistic模型拟合度最好，其次为Modified Gompertz模型，再次为Weibull模型。

［1］Garcia－Gonzalez L，Elst K，Spilimbergo S，et al.High pressure carbon dioxide inactivation of microorganisms in foods:The past，the present and the future［J］.International Journal of Food Microbiology，2007，117:1－28.

［2］Spilimbergo S，Bertucco A.Non－thermal Bacteria inactivation with dense CO2［J］.Biotechnology and Bioenginerring，2003，84:628－636.

［3］Kim SR，Rhee MS，Kim BC，et al.Modeling the inactivation of Escherichia coli O157∶H7 and generic Escherichia coli by supercritical carbon dioxide［J］.Food Microbiology，2007，118:52－61.

［4］Kim SR，Rhee MS，Kim BC，et al.Modeling of the inactivation of Salmonella typhimurium by supercritical carbon dioxide in physiological saline and phosphate－ buffered saline［J］.Microbiological Methods，2007，70:132－141.

［5］中国疾病预防控制中心营养与食品安全所.GB/T 4789.17－2003.中国标准书号［S］.北京:中国标准出版社，2003.

［6］WeibullW.A statisticaldistribution function ofwide applicability［J］.Applied Mechanics，1951，51:293－297.

［7］Zwietering M H，Jongenburger I，Rombouts FM，et al.Modeling of the bacterial－ growth curve［J］.Applied and Environmental Microbiology，1990，56(6):1875－1881.

［8］Cole M B，Davies K W，Munro G，et al.A Vitalistic model to describe the thermal inactivation of Listeria monocytogenes［J］.Industrial Microbiology，1993(12):232－239.

［9］Ellison A，Anderson W，Cole M B，et al.Modelling the thermal inactivation of Salmonella typ－himurium using biolum inescence data［J］.Food Microbiology，1994(3):243－251.

［10］Anderson W A，Mcclure P J，Baird－Parker A C，et al.The application of a log－logistic to describe the thermal inactivation of Clostridium botulinum 213B at temperature below 121.1℃［J］.Applied Bacteriology，1996，80(3):283－290.

［11］钟葵，吴继红，廖小军，等.高压脉冲电场对植物乳杆菌的杀菌效果及三种模型的比较分析［J］.农业工程学报，2006，22(11):238－243.

［12］Álvarez I，Virto R，Raso J，et al.Comparing predicting models for the Escherichia coli inactivation by pulsed electric fields［J］.Food Science and Technology，2003，4:195－202.

［13］Ross T.Indices for performance evaluation of predictive models in food microbiology［J］.Applied Bacteriology，1996，81(5):501－508.

［14］Chen Haiqiang.Use of linear，Weibull，and log－ logistic functions to model pressure inactivation of seven foodborne pathogens in milk［J］.Food Microbiology，2007，24:197－204.

［15］Mcclure P J，Baranyi J，Boogard E，et al.A predictive model for the combined effect of pH，sodium chloride and storage temperature on the growth of Brocothrix thermosphacta ［J］.Food Microbiology，1993，19:161－178.

［16］Duh Y H，Schaffer N W.Modelling the effect of temperature on the growth rate and lag time of Listeria innocula and Listeria monocyto genes［J］.Food Protection，1993，56:205－210.

［17］Lin H M，Cao N J，Chen L F.Antimicrobial effect of pressurized carbon dioxide on Listeria monocytogenes［J］.Food Science，1994，59:657－659.

［18］Shimoda M，Kago H，Kojima N，et al.Accelerated death kineticsofAspergillus niger Spores under high pressure carbonation［J］.Applied and Environmental Microbiology，2002，8:4162－4167.

［19］Rodrigo D，Ruíz P，Barbosa－ Cánovas G V，et al.Kinetic model for the inactivation of L－actobacllus plantarum by pulsed electric fields［J］.Food Microbiology，2003，81:223－229.