农产品中有害微生物的风险评估研究进展

孙效乐等

摘要：通过对近年来国内外有害微生物风险评估技术的研究，分析阐述了有害微生物风险评估工作四个方面（危害识别、危害描述、暴露评估、风险描述）的主要内容与特点，有害微生物风险评估工作中模型建立的主要方法与所使用的软件，以及国内外近年来有害微生物风险评估研究的特点。

关键词：风险评估；有害微生物；蒙特卡洛模拟

中图分类号：TS207.4文献标识号：A文章编号：1001-4942（2014）01-0142-06

目前农产品质量安全突发事件时有发生，直接影响到人们的身体健康以及消费信心。农产品质量安全越来越受到人们的重视和关注。利用风险评估手段，加强对农产品的质量监管，在个别农产品被有害微生物污染之前有效发现风险，识别原因，描述剂量与危害之间关系，评估暴露程度，最终科学地描述整个风险十分重要。来自世界卫生组织的风险评估定义是：对来自于化学的、生物的、物理的危害对人体健康造成的已知或者潜在的风险危害进行科学估计与分析，其最终目的是预测尚未发生的公共风险，这种风险是由以一定概率出现的已知危害导致，从而使公共农产品安全管理从亡羊补牢似的末端控制向防患于未然的风险控制转变。《中华人民共和国产品质量安全法》（2006）、《中华人民共和国食品安全法》（2009）从法律角度确立了农产品安全风险评估体系的重要性。

农产品风险评估就如同农产品的天气预报，目的不仅仅局限于研究具体的危害，而在于预测风险。要成功预测某种风险，必须通过大量确凿实验数据的积累，将生物学与统计学、数学、毒理学等相关学科有机地整合在一起。农产品中有害微生物的风险评估具有自身特点，主要体现在微生物在农产品上的含量存在动态变化。科学模拟微生物的动态变化是一个难题，特别是模拟微生物在农产品从生长到收获，并通过贮藏、流通手段进入到消费环节，最终被人食用整个过程中的动态，因为微生物非常容易受到温度、湿度、有氧无氧等因素的影响。本文综述了风险评估的主要内容、模型特点以及国内外研究进展，以期对我国有害微生物的风险评估工作起到一定的促进作用。

1风险评估的主要内容

1.1危害识别

危害识别的主要任务是阐述造成危害的来源。有害微生物带来的危害主要有两种：一种是有害微生物侵染人体后可以对人体健康带来危害，比如副溶血性弧菌感染人体后可以造成腹泻、呕吐等症状；另一种是有害微生物的代谢产物具有毒性，进入人体后对健康造成危害，比如黄曲霉产生的黄曲霉素是剧毒物、强致癌物，微量可以致死[1]。

目前充分利用微生物学、病理学、毒理学的相关成果，绝大多数有害微生物造成的农产品质量安全事件的危害识别工作都是清晰科学的。在我国，危害水产品安全的微生物主要是耐盐的副溶血性弧菌[2]，该菌存活能力强，在抹布以及砧板上可存活一个月以上。对肉类、奶制品、禽制品造成危害的主要是单核增生李斯特菌，该菌可造成败血症、脑膜炎，并且该菌在4℃仍可繁殖，可以污染冷藏食品。沙门氏菌则容易侵染肉类、奶类等基质[3]，并在肉类以及奶类上呈现不同的生长特点。

1.2危害描述

危害描述的主要任务是给出有害微生物的剂量-危害关系。目前微生物学、毒理学、病理学提供了大量实验数据以及研究成果，阐述了多数有害微生物对人体造成危害的途径机理，但有害微生物的剂量-危害关系仍然需要深入研究。

危害描述可以分为定性描述与定量描述两大类，中心任务是构建有害微生物的剂量-危害关系。但在解决实际问题时，还需要将微生物的生长模型与剂量-危害模型结合起来，因为在某段时间内，微生物在基质中可生长繁殖，从而使得微生物的剂量呈现动态变化，在条件适宜时这种生长呈现爆发式的指数增长，对危害大小的影响巨大，必须加以考虑。

剂量-危害模型的构建过程就是通过数学的方法来描述有害微生物的剂量与危害结果之间的关系，将剂量与危害通过一个或者多个函数方程式联系起来。

此项工作的困难在于，多数情况下缺少有害微生物在临床上造成危害的详细数据。因为人体试验被禁止。由动物模型得出的实验数据推广到人体身上存在一定误差。

更加值得注意的是，在传统的病理学试验中，动物模型的规模有限，而有害微生物的风险评估的研究对象是某个城市，甚至一个国家。不同地区、不同年龄人群的体质不同，会使得相同剂量造成不同影响。

1.3暴露评估

暴露评估是进行有害微生物风险评估定量分析的重要依据，主要内容是通过统计学分析“定量”，确定人体受到有害微生物的侵袭（暴露）的暴露量的大小、暴露频率高低、持续时间长短乃至通过哪些暴露途径进行侵袭。应当注意的是，想要获得明确的暴露评估，需要获知暴露在有害微生物下的特定人群的数量、年龄、分布等信息。

有害微生物的侵袭（暴露）过程复杂多样，想要获得一个较大群体内具体每个人一生几十年的时间跨度内对应某个特定有害微生物的暴露情况几乎不可能，只能通过统计学的科学抽样调查结合合理的假设进行估计。当具体研究某种有害微生物的暴露评估时，多数情况下，人群接触到此种暴露都是通过食用了被有害微生物侵染的农产品。调查得出此人群食用各种农产品的比例，与每个农产品被此种有害微生物的侵染比例及此农产品所含有的有害微生物的量相乘，最终将各个农产品组相加求和就简易地得到了暴露量。

此种方法依赖大量的调查分析，没有建立复杂的暴露评估模型，最终也获得了某个有害微生物的暴露量。优点是通过具体抽样得到的结论较为可信，缺点是较难应用于预测式风险管理。比如，某地区在春季通过抽样调研的方式获得了致病性李斯特菌的暴露量，但当需要预测夏季本地区李斯特菌的风险时，需要重新抽样调查，因为温度对致病性李斯特菌的含量变化影响巨大。

对于预测式的暴露评估，需要构建暴露评估模型。较为先进的暴露评估模型可以模拟某个农产品“生产环节—加工环节—储藏环节—运输环节—食用环节”整条产业链上某特定有害微生物含量的动态变化，将整条产业链中温度、湿度、微生物种群变化甚至工艺流程如杀菌过程都考虑在内。虽然在最终的暴露评估当中并不会使用到产业链中间环节的有害微生物含量，但这样的模型一旦建立，它的预测能力将非常显著，可以很好的进行预测式风险管理，并且可以指出哪些是有害微生物暴露量增高的关键环节，为降低风险提供重要参考。endprint

1.4风险描述

有害微生物风险评估的最终目的体现在对风险的科学估计与描述上。通过对危害的识别，认清风险因子，即造成风险的原因，进而获取此种风险因子，也即剂量与危害的关系。并调查获知大众暴露在此种危害的暴露量、频率、持续时间等信息，通过模型运算，计算得出大众最终的暴露剂量，结合之前获得的剂量-危害关系，最终评估出此风险因子对大众的可以危害程度即风险大小。

2有害微生物风险评估模型的特点

由于在风险评估的四个环节中研究者面对的数据不再是某个特定试验中的少量数据，而是小到一个区域大到一个国家的大量数据，处理大量的数据需要运用统计学原理，特别是大量的分布函数被应用到有害微生物的风险评估当中[4]。

比如要构建某地牛奶中沙门氏菌的风险评估模型，其中一个重要的参数为此地牛奶中沙门氏菌的含量。即便通过大量抽样检验，获得了500份样品的沙门氏菌含量，仍然不能将此变量定为某个特定的确定数值。将此500份结果取平均值的方法不科学，一旦采用取平均值的方法，少量高剂量组将被掩盖从而不能正确反映低概率的风险，应当通过数学计算，将样品的沙门氏菌含量拟合出相应的分布函数。

最早的定量风险评估模型是概率模型。它基于传统的数学概率算法，其缺点一是不能高效处理大量数据，二是求解困难。求解多元高阶函数一直是数学难题，在有害微生物风险评估中，初始有害微生物含量、时间、温度、湿度、人群总数、儿童以及老人所占比例、人均日常食物摄入量等都将成为概率模型中的自变量。可见，风险模型越完善，涉及的因素越多，函数的自变量个数越多，函数就越难求解。

现如今，模拟算法给多元函数求解提供了新思路，并被应用于有害微生物的风险评估当中。其思路是不求函数的真实解，而是求函数的近似解，模拟的次数越多，近似解就越接近于真实解。其中应用最广泛的是蒙特卡洛模拟。蒙特卡洛（MonteCarlo）模拟最早是由美国物理学家Metropolis在参与著名的曼哈顿计划时创建的。如今，蒙特卡洛模拟技术是概率评估的主要手段之一[5]，被广泛应用于经济学、物理学等多个领域。蒙特卡洛模拟被越来越多地应用于农产品的风险评估当中，并得到各国权威部门的肯定。美国环保总局（EPA）将蒙特卡洛模拟定为风险分析基本方法。蒙特卡洛方法是依据事物现象体现本质的统计规律，或者是人为构建的合理的依赖随机变量的概率模型，将某些随机变量的统计量作为待解决函数（问题）的解，进行大量统计计算的统计实验方法或者计算机随机模拟方法。它依据的是均匀分布的算术平均收敛于真值（大数法则），以及置信水平下的统计误差（中心极限）[6]。具体地说，在解决有害微生物风险评估这一复杂问题时，因为涉及到的变量过多，精确的数学模拟过于复杂而无法求解，然而通过蒙特卡洛方法，利用随机模拟法近似的计算出有害微生物所造成的风险值，随着模拟次数的增加，其预计精度也会不断增加。最终，通过计算机的高速运算，完成上万次的模拟运算，就可以得到有害微生物的风险概率，随着模拟次数的增加，风险概率的置信率也不断提高[7]。

蒙特卡洛模型从根本上说仍然属于概率模型，只不过使用蒙特卡洛算法代替了微分算法。依据蒙特卡洛方法，已经开发出多种软件辅助处理数据，并完成上万次的计算模拟。其中，美国Palisade公司的@RISK工具被广泛引用。@RISK通过加载到人们熟知的数据库软件Excel中，使得Excel具有了构建高级统计分布函数以及风险分析功能。可以完成大量数据与高级统计分布函数拟合，以及蒙特卡洛模拟[8]。@RISK可以完成的工作最主要的是两个：概率分布拟合以及模拟计算。比如，在暴露评估研究中，需要统计出某地区人口的年龄分布，作为终生暴露总时间，然后将大量年龄数据输入Excel，利用@RISK的分布函数拟合功能，就可以得到一条最佳的分布函数。当得到最终的风险函数后，因为这个风险函数中必然包含着不止一个概率分布子函数，使得这个风险函数异常复杂难以求解。利用@RISK的模拟计算功能，选择恰当的随机数抽样方法，例如，在马尔科夫链蒙特卡洛法（MCMC）中通常选用Gibbs抽样和Metropolis-Hastings抽样，计算机即依照指定的抽样方法，模拟抽取出符合风险函数子函数（某个概率分布函数）的数值，从而模拟计算风险的近似值。

另外一个应用广泛的解决蒙特卡洛模拟的软件是美国MathWorks公司出品的MATLAB。作为应用最广泛的数学软件，MATLAB功能异常强大，通过可扩展的工具箱，几乎涵盖了统计学中主要函数。编程语言简单、编程容易、效率极高是它的优点，通过它来应用蒙特卡洛方法解决风险评估工作时，仅仅使用了MATLAB很小的一部分功能[9]。也因为MATLAB并非专门的蒙特卡洛处理软件，所以较@RISK需要更多的时间学习才能掌握。

贝氏网格是一种描述变量间随机关系的图解模型，近年来也被应用于有害微生物的风险评估[17]。贝氏网格应用了贝叶斯法则，该法则认为：事件A在事件B（发生）的条件下的概率与事件B在事件A的条件下的概率是不一样的，然而，这两者是有确定的关系，贝叶斯法则就是这种关系的陈述，或者表述为：后验概率=标准似然度×先验概率。贝叶斯概率与传统频率概率的区别在于概率如何被赋值。贝氏网格模型近期才被应用到有害微生物的风险评估当中，给蒙特卡洛模型起到了补充作用。

3国内外有害微生物风险评估研究的进展

3.1国内研究进展

我国的农产品质量安全风险评估工作还处于发展阶段，有害微生物的风险评估工作有一定开展，但仍然不够完善。

首先是对象不全面。国内风险评估工作的研究对象，即风险因子，主要集中在单增李斯特菌、沙门氏菌、肉毒杆菌、金黄色葡萄球菌、黄曲霉等有限的几种。田静等[10]报道研究了熟肉中单增李斯特菌的风险评估与风险管理应对方法，对单增李斯特菌开展了危害识别、危害特征描述、暴露评估和风险特征描述。董庆利等[11]同样也研究了单增李斯特菌的风险评估，获得了通过剂量-危害关系，利用半定量的研究方法，推测出易感人群和非易感人群由于摄入即食农产品导致单增李斯特菌病的每年发病概率。朱玲等[12]报道了沙门氏菌的剂量-危害关系。林强等[13]报道了牡蛎养殖中副溶血弧菌与水质因子间的关系。研究对象的单一严重制约了我国有害微生物风险评估工作的开展。endprint

国内有害微生物风险评估研究所使用的模型多数为国外建立的成熟模型。国内学者在使用这些模型的过程中，往往将模型参数一并引用，而此类参数多以统计学获得。中外饮食结构、人群构成存在较大差异，引用国外参数往往造成评估不准确。郭耀东等[14]将概率分析原理应用到风险评估当中，对风险评估模型做了初步探索，研究了玉米农产品中黄曲霉毒素B-1膳食暴露及风险评估。

国内有害微生物风险评估工作往往研究的是风险评估四个主要步骤中的某一个或者某几个，没有系统研究。系统不完善使得问题被分开阐述，不能从整体大局上给出描述。董庆利等[15]开展了某市冷却猪肉中气单胞菌风险评估中最主要的暴露评估，包含冷却猪肉原料的销售、运输以及贮藏3个环节，没有涉及气单胞菌的危害识别、危害特征描述和风险特征描述。王伟等[16]研究了我国居民膳食暴露脱氧雪腐镰刀菌烯醇、雪腐镰刀菌烯醇和玉米赤霉烯酮的暴露水平，也缺少其余三方面的研究。

3.2国外研究进展

国外对有害微生物风险评估的研究较为深入，主要体现在对农产品风险评估模型的深入研究上。Greinera等[17]对农产品风险评估的研究没有停留在仅仅关注蒙特卡洛-风险模型，而是进一步研究了依据蒙特卡洛算法建立模型的可靠性，试图发现蒙特卡洛模型的不足并使用新的模型来弥补。他们将贝叶斯推论（Bayesianinference，BI）模型与蒙特卡洛模型做了对比，发现蒙特卡洛模型的一个不足之处是不能处理模型参数的反馈，然而将贝叶斯推论模型融合进蒙特卡洛模型中就可以弥补这一缺陷，方法是在蒙特卡洛模型中引入贝叶斯域。同时证明仅依靠贝氏网格（一种描述变量间随机关系的图解模型）就可以构建完整的定量风险评估模型。

西班牙学者Pérez-Rodríguez等[18]利用传统统计学与二阶蒙特卡洛模型研究了美国老年人群由于食用熟食肉而感染单增李斯特菌的情况，提出了一个假说：每年的食源性疾病数量的变异系数（CV）随着暴露量的增加而减少。他们通过中值极限定理从数学角度证明了这一推论，并且，来自不同国家的沙门氏菌以及李斯特菌感染的流行病学数据支持这一假说。他们希望这一假说提供给农产品安全专家一个新的视角，从长时间跨度以及大地区范围来认识微生物感染农产品的复杂情况。

国外学者在进行致病微生物的危害识别时，更加注重研究在某些流通、生产阶段内农产品所感染的有害微生物的动态变化，而不是单纯研究有害微生物在实验室条件下的生长曲线，由此所获得的数据对现实有更大的指导意义。Posada-Izquierdo等[19]建立了大肠杆菌（O157∶H7）在生鲜莴苣叶上的生长模型，模拟了生鲜莴苣叶在商业工艺条件，主要是含氯水洗涤以及空调保鲜包装下大肠杆菌的生长情况。生长模型的置信带（confidencebands）等信息由蒙特卡洛模拟计算得到。在8、13℃以及16℃下，评估出的最大生长率（logcfu/day）分别为0.14（95%CI：0.06～0.31）、0.55（95%CI：0.17～1.20）以及1.43（95%CI：0.82～2.15）。

Sampedro等[20]则关注了新型物理杀菌法——脉冲电场法的杀菌效果，研究了在某果汁饮料中pH、果胶浓度对脉冲电场法杀灭沙门氏菌效果的不同影响。他们利用蒙特卡洛模拟，基于威布尔分布函数，确认了各个因素对杀菌效果的影响大小，提出利用蒙特卡洛模拟可以有效预测工艺参数以及产品配方对农产品安全的影响。

Puerta-Gomez等[21]利用场景分析以及预测微生物学，建立了一个风险模型来研究婴儿食用即食菠菜过程中感染沙门氏菌的风险情况，菠菜收获季节的温度控制、洗涤、照射等因素被纳入到模型当中。研究发现，当在20℃收获、储藏至少5h、使用含氯（220mg/L）水洗涤、辐照条件为1kGy时，菠菜所携带沙门氏菌的含量最低。

利用蒙特卡洛模拟，Belda-Galbis等[22]评估了不同浓度下香芹酚以及柠檬醛对大肠杆菌、李斯特菌的抑制作用。在这个随机模型中，最大生长速率以及延迟时间都被作为参数考虑在内。Coulliette等[23]研究了氯气水溶液对沙门氏菌、弧菌感染风险的降低作用。

4展望

农产品的微生物安全关系到每个人的切身利益，国家高度重视并不断加强对农产品的微生物安全管理工作。农产品质量安全工作者应当积极与数学、毒理学等专业学者交流学习，推动我国农产品中有害微生物风险评估工作向着风险模型的深入优化以及农产品加工生产到消费全过程监控的方向发展，充分利用现有资源，少做不做低端重复工作，多做学做系统性深入性研究。

参考文献：

[1]李培武，丁小霞，白艺珍，等.农产品黄曲霉毒素风险评估研究进展[J].中国农业科学，2013，46（12）：2534-2542.

[2]孟娣.水产品中副溶血性弧菌快速检测技术及风险评估研究[D].青岛：中国海洋大学，2007.

[3]MeadG，LammerdingAM，CoxN，etal.全球禽肉生产和贸易中的沙门菌风险评估与控制[J].中国家禽，2011，5：34-43.

[4]邵伟.蒙特卡洛方法及在一些统计模型中的应用[D].济南：山东大学，2012.

[5]苑克俊，张道辉，李震三，等.农业科研数据处理软件DPS-98的设计[J].农业系统科学与综合研究，1999，1：61-63，67.

[6]黄思达.基于蒙特卡洛模拟法的股票挂钩结构性理财产品的收益探析[J].金融经济，2012，22：100-102.

[7]陈伶俐.信用风险模型的分析与蒙特卡洛模拟[D].成都：西南财经大学，2012.

[8]马兴莉，李志红，陈克，等.@RISK在有害生物定量风险评估中的应用[J].植物检疫，2010，6：1-6.endprint

[9]张仙风，吕志鹏.基于MATLAB的蒙特卡洛方法在可靠性设计中的应用[J].装备制造技术，2006，4：76-77.

[10]田静.熟肉制品中单增李斯特菌的风险评估及风险管理措施的研究[D].北京：中国疾病预防控制中心，2010.

[11]董庆利，郑丽敏，党维鑫，等.即食食品中单增李斯特菌的半定量风险评估[J].食品工业科技，2012，11：321-323，366.

[12]朱玲，许喜林，周彦良，等.加工肉鸡中沙门氏菌风险评估[J].现代食品科技，2009，7：825-829.

[13]林强，李宁求，付小哲，等.牡蛎养殖过程中副溶血弧菌与水质因子间的关系[J].水产学报，2012，3：415-421.

[14]郭耀东，陈璐，袁亚宏，等.基于概率分析的玉米食品中黄曲霉毒素B_1膳食暴露及风险评估[J].食品科学，2013，11：24-27.

[15]董庆利，高翠，郑丽敏，等.冷却猪肉中气单胞菌的定量暴露评估[J].食品科学，2012，15：24-27.

[16]王伟，邵兵，朱江辉，等.中国谷物制品中重要镰刀菌毒素膳食暴露评估研究[J].卫生研究，2011，6：709-714.

[17]GreinerM，SmidJ，HavelaarAH，etal.Graphicalmodelsandbayesiandomainsinriskmodelling：applicationinmicrobiologicalriskassessment[J].Prev.Vet.Med.，2013，110（1）：4-11.

[18]Perez-RodriguezF，ZwieteringMH.Applicationofthecentrallimittheoreminmicrobialriskassessment：highnumberofservingsreducesthecoefficientofvariationoffood-borneburden-of-illness[J].Int.J.FoodMicrobiol.，2012，153（3）：413-419.

[19]Posada-IzquierdoGD，Perez-RodriguezF，Lopez-GalvezF，etal.ModellinggrowthofEscherichiacoliO157∶H7infresh-cutlettucesubmittedtocommercialprocessconditions：chlorinewashingandmodifiedatmospherepackaging[J].FoodMicrobiol.，2013，33（2）：131-138.

[20]SampedroF，RodrigoD，MartínezA.ModellingtheeffectofpHandpectinconcentrationonthePEFinactivationofSalmonellaentericaserovarTyphimuriumbyusingtheMonteCarlosimulation[J].FoodControl，2011，22（3-4）：420-425.

[21]Puerta-GomezAF，KimJ，MoreiraRG，etal.Quantitativeassessmentoftheeffectivenessofinterventionstepstoreducetheriskofcontaminationofready-to-eatbabyspinachwithSalmonella[J].FoodControl，2013，31（2）：410-418.

[22]Belda-GalbisCM，Pina-PérezMC，LeufvénA，etal.ImpactassessmentofcarvacrolandcitraleffectonEscherichiacoliK12andListeriainnocuagrowth[J].FoodControl，2013，33（2）：536-544.

[23]CoullietteAD，EngerKS，WeirMH，etal.RiskreductionassessmentofwaterborneSalmonellaandVibriobyachlorinecontactdisinfectantpoint-of-usedevice[J].Int.J.Hyg.EnvironHealth，2013，216（3）：355-361.endprint