鲜切卷心菜中嗜麦芽窄食单胞菌的动力学预测模型

,, ,, ,

(四川农业大学食品学院,四川雅安 625014)

鲜切卷心菜中嗜麦芽窄食单胞菌的动力学预测模型

崔慧玲,陈安均*,罗婵,敖晓琳,周冰,黄婷

(四川农业大学食品学院,四川雅安 625014)

以鲜切卷心菜中分离得到的优势腐败菌之一嗜麦芽窄食单胞菌作为研究对象,将嗜麦芽窄食单胞菌液体培养18h后,使OD600=0.2,取10mL溶于990mL的生理盐水中,按照料液比1∶10,把处理的鲜切卷心菜组织条悬浮于其中15s进行接种,分别置于4、7、10、15、25、30℃下贮藏,建立Gompertz模型和Belehradek平方根方程,进行货架期预测。结果表明：Gompertz模型能够较好地拟合鲜切卷心菜中嗜麦芽窄食单胞菌的生长动态。温度对最大比生长速率(μmax)和延滞时间(λ)的影响采用平方根模型描述,呈现良好的线性关系。 以鲜切卷心菜在7℃和15℃的嗜麦芽窄食单胞菌实测值进行剩余货架期模型的验证,相对误差分别为-4.090%和12.119%,表明建立的模型可以较好的预测0～40℃范围内鲜切卷心菜产品的剩余货架期。

鲜切卷心菜,嗜麦芽窄食单胞菌,预测模型,货架期预测

鲜切蔬菜具有品质新鲜、食用方便、营养卫生和经济价值等优点。目前,生活节奏的加快和消费者购买力的增强,鲜切蔬菜的消费市场需求促进了鲜切蔬菜产品行业的迅速发展。与完整的蔬菜相比,鲜切蔬菜由于加工操作,组织结构受到机械性损伤,容易造成微生物污染[1],引发一些不良的生理反应,破坏正常的组织代谢,加速了组织的衰老与腐败,影响食用安全性,降低鲜切蔬菜的商品价值[2]。鲜切果蔬大都是从生理生化、品质、褐变和保鲜等方面进行了研究,对微生物,尤其是腐败菌的研究很少。目前研究大都是生鲜鸡肉[3-4]、冷却猪肉产品[5]和鱼类[6-7]腐败菌的动力学模型,对鲜切产品中存在的优势腐败菌及相关模型少有报道[8]。鲜切果蔬主要针对引起食源性疾病的一些致病菌,如沙门氏菌salmonella[9]、大肠埃希氏菌E.coilO157∶H7[9-10]和单增李斯特菌L.monocytogenes[9,11],做了相关的控菌技术研究和动力学模型的建立。但是一般情况下无条件致病菌的存在,大都是腐败菌,因此进行腐败菌相关的研究是很有必要的。鲜切卷心菜腐败主要是微生物生长的结果,虽然在加工过程中会受到各种细菌的污染,但是最终只有部分微生物大量增殖,在腐败中占据主导地位。关于鲜切卷心菜中优势腐败菌的分离鉴定、腐败机理、腐败菌的动力学模型和货架期预测,国内外报道很少：从腐败的鲜切胡萝卜[12]和芸芥[13]中分离鉴定得到嗜麦芽窄食单胞菌；陈龙等[14]从“高热病”病猪分离鉴定得到嗜麦芽窄食单胞菌,并做了耐药性和药敏性分析,均没有进行动力学方面的研究；有研究对鲜切果蔬中嗜水气单胞菌A.hydrophila[15]、植物乳杆菌L.plantarum[15]、肠膜明串珠菌L.mesenteroides[16]、假单胞菌Pseudomonas[17]、酵母菌Yeast[17]和肠杆菌Enterobacteriaceaes[18]做了相关的货架模型,但是没有关于嗜麦芽窄食单胞菌S.maltophilia的模型。用预测微生物学对鲜切卷心菜中的优势腐败菌生长动态进行预测,以鲜切卷心菜中分离得到的嗜麦芽窄食单胞菌为研究对象,参考相应的预测模型,研究其在鲜切卷心菜上的生长预测模型,为鲜切卷心菜的品质评价与货架期预测模型的建立提供理论基础。

表1 鲜切卷心菜的感官评定指标

1 材料与方法

1.1材料与仪器

新鲜卷心菜 四川省雅安市当地市场,迅速运回实验室后置于4℃冰箱备用；实验菌株 从自然腐烂的鲜切卷心菜中分离鉴定得到,采用稀释涂布平板法,结合平板菌落多少和形态观察初步判断,回接实验并做对照,进一步确定嗜麦芽窄食单胞菌为优势腐败菌；营养肉汤 蛋白胨10g,牛肉膏3g,氯化钠5g,蒸馏水1000mL,pH(7.2±0.2),121℃灭菌15min,供菌株活化用；平板计数琼脂培养基 胰蛋白胨5g,酵母浸膏2.5g,葡萄糖1g,琼脂15g,蒸馏水1000mL,pH(7.0±0.2),121℃灭菌15min,倒平板备用。

BT124S型电子天平 北京赛多利斯仪器系统有限公司；V-1200型可见分光光度计 上海美谱达仪器有限公司；SYQ-DSX-280B型手提式不锈钢压力蒸汽灭菌锅 上海申安医疗器械厂；BCD-216TXN型海尔冰箱 青岛海尔股份有限公司；SW-CJ-1F型单人双面净化工作台 浙江苏净净化设备有限公司；BPC-250F型生化培养箱 上海一恒科学仪器有限公司；DNP-9162型电热型恒温鼓风干燥箱 上海精宏实验设备有限公司。

1.2实验方法

1.2.1 样品处理 新鲜卷心菜弃去外层受损叶片,流动自来水冲洗表面的泥土,用95%的酒精灭菌的小刀把卷心菜分割成约5cm×1cm(长×宽)的组织条,置于50mg/L的ClO2溶液中杀菌2min,无菌蒸馏水漂洗,捞出后于无菌超净工作台中自然晾干。

在37℃条件下活化嗜麦芽窄食单胞菌,摇床培养18～24h,得到菌悬液。无菌操作使接种菌液的OD600约为0.2,取10mL溶于990mL的生理盐水中,按照料液比1∶10,把处理的鲜切卷心菜组织条悬浮于其中15s进行接种,使初始接种量为104～105CFU/g[19]。常温静置15min以去掉多余的水分,然后放置于4、7、10、15、25、30℃的冰箱和恒温培养箱中贮藏,测定样品中嗜麦芽窄食单胞菌数的贮藏时间分别为1、1、1、1、0.5、0.5d测定一次。

1.2.2 嗜麦芽窄食单胞菌数的测定 无菌操作称取鲜切卷心菜10g,剪碎置于装有90mL的灭菌生理盐水的三角瓶中,并充分振摇,1∶10稀释,用稀释平板法测定不同温度下的嗜麦芽窄食单胞菌数。计数方法参照GB/T4789.2-2010[20]。

1.2.3 感官评定 一个有丰富经验的7人评定小组来判断鲜切卷心菜的颜色、气味与质地,进而评价鲜切卷心菜的腐败程度,感官评定评分等级为：9～8分表示无异味、新鲜、生脆、嫩绿(黄)色；7～5分表示较新鲜、较生脆、颜色较明亮；5分为消费者能否接受的分界线；4～2分表示强烈的腐臭味、不新鲜、组织变软、颜色变暗；2分以下表示严重腐败变质。感官评定指标见表1。

1.3嗜麦芽窄食单胞菌的生长动力学模型初步建立及验证

1.3.1 一级模型拟合 研究表明[21],修正的Gompertz方程可以很好的应用于描述食品微生物生长状况,得到生长参数,进而预测微生物的生长动态变化。

鲜切卷心菜在4、7、10、15、25、30℃条件下贮藏,得到嗜麦芽窄食单胞菌的实验值,用修正的Gompertz方程计算拟合其生长动态。

N(t)=N0+(Nmax-N0)×exp{-exp[μmax×2.718/(Nmax-N0)×(λ-t)+1]}

式(1)

式中：N(t)为t时的微生物数量[lg(CFU/g)];N0为t=0时的初始微生物数量[lg(CFU/g)];Nmax为增加到稳定期时最大的微生物数量[lg(CFU/g)];μmax为微生物生长的最大比生长速率(h-1);λ是微生物生长的延滞时间(h);t为时间(h)。

1.3.2 二级模型拟合 不同温度下微生物的生长情况、动力学参数可以用Gompertz模型较好的表述,但是不能表述不同温度变化对微生物生长的影响,而平方根模型可以用来表述温度对微生物的生长动力学影响。Ratkowsky等[22]根据微生物在0～40℃温度条件下,提出的一个简单的经验模型,表述温度与生长速率或延滞时间倒数的平方根之间存在的相关性。

表3 不同温度下鲜切卷心菜中嗜麦芽窄食单胞菌的生长动力学参数

式(2)

式(3)

式中：T为摄氏温度,℃;Tminμ、Tminλ为生长的最低温度,是一个假设的概念,指的是微生物没有代谢活动的温度,是通过外推回归线分别与最大比生长速率和延滞时间温度轴相交而得到的温度;bμ、bλ为方程的常数。

1.3.3 嗜麦芽窄食单胞菌生长动力学模型的验证和可靠性评价 7℃和15℃贮藏时与在7℃和15℃贮藏实验中实际检测的是嗜麦芽窄食单胞菌生长数值进行比较,记录结果,并做相关分析。采用偏差度(Bf)和准确度(Af)来定量评价已经建立的模型的可靠性。

Bf=10[∑(N预测值-N实测值)]/n

式(4)

Af=10[∑|N预测值-N实测值|]/n

式(5)

式中：N实测值是实验实际测得的微生物数量;N预测值是应用微生物生长动力学模型得到的与N实测值同一时间的微生物数量;n是实验次数。

1.3.4 剩余货架期预测与验证 鲜切卷心菜在包装的条件下的货架期(Shelf life,SL),根据建立的嗜麦芽窄食单胞菌生长动力学模型,测定初始菌数(N0)、最小腐败量(Ns)和最大菌数(Nmax)；根据平方根方程计算动力学参数,按照式6计算出剩余货架期[23]。

SL=λ-[(Nmax-N0/μmax)×2.718]×{ln[-ln(Ns-N0)/(Nmax-N0)]}

式(6)

式中：N0为t=0时的初始微生物数量[lg(CFU/g)];Nmax为增加到稳定期时最大的微生物数量[lg(CFU/g)];Ns为产品腐败至感官拒绝时最小的微生物数量[lg(CFU/g)];μmax为微生物生长的最大比生长速率(h-1);λ是微生物生长的延滞时间(h);t为时间(h)。

将贮藏在7℃和15℃的货架期的实验值和预测值进行比较,评价建立的货架期模型的可靠性。

1.4数据处理

应用Origin7.0统计软件,适当的进行模型拟合和回归,获得不同温度条件下的嗜麦芽窄食单胞菌生长曲线、生长动力学参数以及温度与最大比生长速率和延滞时间的关系。

2 结果与分析

2.1嗜麦芽窄食单胞菌的最小腐败量

最小腐败量是指产品腐败至达到感官拒绝时的菌落数量(lg(CFU/g))。将鲜切卷心菜在贮藏期间的感官评定值和嗜麦芽窄食单胞菌数量(lg(CFU/g))进行线性回归分析。本实验确定5分为产品不能接收的感官分值,根据回归方程可以推出,此时嗜麦芽窄食单胞菌数量为7.128lg(CFU/g)。因此我们确定鲜切卷心菜的最小腐败量为7.128lg(CFU/g),即当产品中嗜麦芽窄食单胞菌数达到7.128lg(CFU/g)时鲜切卷心菜腐败,感官不能接受。

表2 鲜切卷心菜不同温度贮藏期间感官评定

2.2一级模型拟合

将鲜切卷心菜在贮藏过程中得到的嗜麦芽窄食单胞菌实验值,采用Gompertz方程拟合得到生长曲线和动力学模型,见图1。

图1 鲜切卷心菜在不同温度贮藏过程中 嗜麦芽窄食单胞菌的生长曲线和动力学模型

由图1可以看出：在4、7、10、15℃条件下,采用修正的Gompertz方程拟合的生长曲线呈“S”型,所得R2值均较高,这说明方程能够较好地反映嗜麦芽窄食单胞菌在相应温度下的动态变化；随着贮藏温度的升高,生长速率总体呈上升趋势,25℃和30℃条件下,菌数达到了9lg(CFU/g)以上,趋势不很明显,可能与取样时间(0.5d)有关系,在之后的实验中,应该缩短取样时间,增加实验值,有助于评价方程的可靠性。可见温度是影响微生物生长的一个重要因素。

用Gompertz方程求得的生长动力学参数见表3,可以看出≤10℃下的温度条件,最大比生长速率较低,4℃下的延滞时间最长,7℃和10℃相差不大。R2均在0.942以上,当温度升至15℃时比生长速率急剧增加,延滞期缩短,货架期降至100h以下。

2.3二级模型拟合

温度对微生物的生长动力学影响需要用平方根模型来进行描述。图2是应用平方根模型描述的温度与最大比生长速率(μmax)和延滞时间(λ)的关系,由图可以看出,温度与最大比生长速率及延滞时间均呈良好的线性关系。

式(7)

式(8)

图2 应用平方根模型描述的温度 与最大比生长速率(μmax)及延滞时间(λ)的关系

表4是根据温度与μmax和λ平方根模型得到的实测值和预测值,从中可以看出,残差值均小于0.1,说明上述模型描述的温度与μmax和λ的关系是可信的[24-25]。

表4 温度与最大比生长速率(μmax) 及延滞时间(λ)平方根模型的残差值

2.4嗜麦芽窄食单胞菌生长动力学模型的验证和可靠性评价

分别在7℃和15℃条件下,观察了鲜切卷心菜中的嗜麦芽窄食单胞菌数生长情况,验证所建模型的准确性。同时应用所建嗜麦芽窄食单胞菌生长预测模型预测相应时间的嗜麦芽窄食单胞菌数量,分析比较嗜麦芽窄食单胞菌在7℃和15℃条件下生长的实测值和预测值,如表5所示。

表5 鲜切卷心菜在7℃和15℃贮藏时嗜麦芽窄食单胞菌的实测值和预测值

这说明所建的生长模型描述的时间与嗜麦芽窄食单胞菌数量的关系是可信的,模型对原观测值的拟合情况良好。

由7℃和15℃保藏时的预测值和实测值来计算预测方程的偏差度(Bf)和准确度(Af),见表6。7℃和15℃下的偏差度Bf和准确度Af分别为1.548和2.012,1.898和2.078,预测值上下波动的幅度Bf为20%左右,预测值和实测值之间的差异即Af是介于3%左右,表示建立的数学模型能很好的预测嗜麦芽窄食单胞菌在7℃和15℃下的生长情况。

表6 鲜切卷心菜在7℃和15℃保藏中嗜麦芽窄食单胞菌 预测值的偏差度(Bf)和准确度(Af)

2.5剩余货架期的预测与验证

根据建立的嗜麦芽窄食单胞菌生长动力学模型,可以用最小腐败量(Ns)、初始微生物数量(N0)和最大菌数(Nmax)来计算和建立剩余的货架期。鲜切卷心菜的嗜麦芽窄食单胞菌数量的最小腐败量是7.128lg(CFU/g),最大菌数的确定采用不同温度下最大菌数的平均值,即9.379lg(CFU/g)。将以上参数代入公式(6)得鲜切卷心菜在有氧保藏条件下0～40℃范围内任何温度下的剩余货架期公式为：

SL=λ-[(9.379-N0)/(μmax×2.718)]×{ln[-ln(7.128-N0)-N0)/(9.279-N0)]-1}

式(9)

因此,只要实时监测产品中的嗜麦芽窄食单胞菌初始菌落数量(N0),根据所得二级模型(7)和(8)计算出不同温度下的动力学参数λ和μmax,就可以根据公式(9)计算出0～40℃范围内任何温度下产品的剩余货架期。所以,利用得出的货架期预测模型可快速的对鲜切卷心菜的货架期进行预测。

表7是鲜切卷心菜在7℃和15℃贮藏中货架期的预测值和实际值的比较,相对误差分别为-4.090%和12.119%。结果表明,嗜麦芽窄食单胞菌动态模型可以比较准确的预测鲜切卷心菜的剩余货架期。

表7 鲜切卷心菜在7℃和15℃保藏中 货架期的预测值和实测值

相对误差：[(预测值-实测值)/实测值]×100%

3 结论与讨论

鲜切卷心菜的最小腐败量是7.128lg(CFU/g),即当产品中嗜麦芽窄食单胞菌数达到7.128lg(CFU/g)时鲜切卷心菜腐败,感官不能接受。一级二级模型拟合结果显示：≤10℃下的温度条件下,嗜麦芽窄食单胞菌对鲜切卷心菜的影响相对小些,温度升至15℃时,货架期急剧缩短,降至98.968h。在7℃和15℃下进行验证,一级和二级模型拟合效果均较好,货架期的预测值和实际值相对误差分别为-4.090%和12.119%。结果表明,嗜麦芽窄食单胞菌动态模型可以比较准确的预测鲜切卷心菜的剩余货架期。

采用鲜切卷心菜作为研究介质,能够真实的反映嗜麦芽窄食单胞菌的生长状态,提高了货架期预测模型的准确度。在今后的研究,应该考虑到冷链运输过程中存在的温度波动情况,由此建立的模型将更具有实际意义。

[1]Tournas V H. Spoilage of vegetable crops by bacteria and fungi and related health hazards[J]. Critical Review of Microbiology,2005,31(1):33-44.

[2]郑林彦,韩涛,李丽萍. 国内切割果蔬的保鲜研究现状[J].食品科学,2005,26(z1):125-127.

[3]李苗云,张建威,樊静,等. 生鲜鸡肉货架期预测模型的建立与评价[J]. 食品科学,2012,33(23):60-63.

[4]梁荣蓉. 生鲜鸡肉调理制品菌群结构分析和货架预测模型的研究[D]. 泰安:山东农业大学,2010.

[5]李苗云,张秋会,高晓平. 冷却猪肉中微生物生态分析及货架期预测模型的研究[D]. 南京:南京农业大学,2006.

[6]郭全友,王锡昌,姜朝军,等. 养殖尼罗罗非鱼鲜度特征及动力学模型构建[J]. 食品科学,2012,34(4):245-249.

[7]许钟,杨宪时,郭全友. 鱼类腐败菌不同生长动力学温度模型的可靠性评价和比较[J]. 海洋水产研究,2005,26(5):45-51.

[8]金长娟,弭道彬. 我国果品蔬菜贮藏保鲜的现状与发展对策[J]. 中国园艺文摘,2010(1):51-52.

[9]Oliveira M,Usall J,Anguera M,etal. Microbiological quality of fresh lettuce from organic and conventional production[J]. Food Microbiology,2010,27(5):679-684.

[10]Rupasinghe HP,Boulter-Bitzer J,Ahn T,etal. Vanillininhibits pathogenic and spoilage microrganisms in vitro and aerobic microbial growth in fresh-cut apples[J]. Food Research International,2006,39(5):575-580.

[11]Ozturk I,Tornuk F,Saqdic O,etal. Application of Non-linear Models to Predict Inhibition Effects of Various Plant Hydrosols on Listeria monocytogenes Inoculated on Fresh-Cut Apples[J]. Foodborne Pathogens and Disease,2012,9(7):607-616.

[12]陈湘宁,钟思琼,金文斌,等. 膜包装鲜切蔬菜中主要腐败菌的分离与鉴定[J]. 中国食品学报,2012,12(5):154-160.

[13]Nielsen T,Bergstro B,Borch E. The origin of off-odours in packaged rucola(Eruca sativa)[J]. Food Chemistry,2008,110:96-105.

[14]陈龙,谢文绮,王礼兴,等. “高热病”病猪嗜麦芽窄食单胞菌的分离鉴定[J]. 动物医学进展,2009,30(11):25-28.

[15]Maria E G,Andrea G,Maria R C,etal. Shelf-life modelling for fresh-cut vegetables[J]. Postharvest Biology and Technology,1996,9(2):195-207.

[16]Corbo MR,Altieri C,D’Amato D,etal. Effect of temperature on shelf life and microbial population of lightly processed cactus pear fruit[J]. Postharvest Biology and Technology,2004,31:93-104.

[17]Jacxsens L,Devlieghere F,Ragaert P,etal. Relation between microbiological quality,metabolite production and sensory quality of equilibrium modified atmosphere packaged fresh-cut produce[J]. International Journal of Food Microbiology, 2003,83:263-280.

[18]Sinigaglia M,Albenzio M,Corbo MR. Influence of process operations on shelf-life and microbial population of fresh-cut vegetables[J]. Journal of Industrial Microbiology & Biotechnology,1999,23:484-488.

[19]李除夕,董明盛,陈晓红,等. 豆腐中库特氏菌生长动力学模型和货架期预测[J]. 农业工程学报,2009,25(1):82-86.

[20]中华人民共和国卫生部. GB/T4789.2-2010食品卫生微生物学检验 菌落总数测定[S]. 北京:中国标准出版社,2010.

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

[22]Ratkowsky DA,Olley J,McMeekin TA, et al. Relationship between temperature and growth rate of bacterial cultures[J]. Journal of Bacteriology,1982,149(1):1-5.

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

[24]Neumeyer K,Ross T,McMeekin T A. Development of a predictive model to describe the effects of temperature and water activity on the growth of spoilage Pseudomonads[J]. International Journal of Food Microbiology,1997,38:45-54.

[25]李除夕. 豆腐特定腐败菌研究及货架期预测模型建立[D]. 南京：南京农业大学,2008.

Establishment of microbial growth kinetics prediction model ofS.maltophiliain fresh-cut cabbage

CUIHui-ling,CHENAn-jun*,LUOChan,AOXiao-lin,ZHOUBing,HUANGTing

(College of Food Science,Sichuan Agriculture University,Ya’an 625014,China)

The objective of this study was to develop a first-order predictive growth model ofS.maltophiliaisolated from fresh-cut cabbage,then 10mL broth which was cultured about 18h was dissolved in 990mL physiological saline,solid-liquid ratio 1∶10,in which the processed fresh-cut cabbages were suspended 15s,and the samples was stored at 4,7,10,15,25 and 30℃ respectively,to establish the Gompertz model and Belehradek root square model,respectively,which used for shelf life prediction. The results indicated that the growth dynamics ofS.maltophiliacould be well fitted with the Gompertz function. The effect of temperature on maximum specific growth rate and the lag phase was well described by the Belehradek function as a good linear relationship. Validation of established kinetic models was carried out by comparing with experimental development ofS.maltophiliagrown on fresh-cut cabbage at 7℃ and 15℃,respectively. Basic errors between predicted shelf life and observed shelf life were-4.090% and 12.119% at 7℃ and 15℃,respectively. It suggested that microbial growth models established by our research could predict the growth ofS.maltophiliain fresh-cut cabbage stored from 0 to 40℃.

fresh-cut cabbage;S.maltophilia;prediction model;shelf-life

2013-06-25 *通讯联系人

崔慧玲(1987-)，女，硕士，研究方向：果蔬加工理论与技术。

国家“863”计划项目(2012AA101606-03)。

TS201.3

：B

：1002-0306(2014)01-0150-06