赵 楠 1，许晓曦 1,*，刘 洋 1，高继铭 1，张书义 2，那红萍 1，金 凤 1
（1.东北农业大学食品学院，黑龙江 哈尔滨 150030；2.全国畜牧总站，北京 100125）
摘 要：依据流行病学的调查结果，酱卤肉中检出率较高的致病菌为沙门氏菌和单核细胞增生李斯特菌。本实验对该两种代表性致病菌以酱卤肉作为培养基成分在不同温度下的生长特性进行研究，建立了不同温度下沙门氏菌和单核细胞增生李斯特菌的生长一级模型和二级模型。在沙门氏菌和单核细胞增生李斯特菌培养温度范围内得出酱卤肉制品中沙门氏菌的动力学模型为：lgN＝A+（10.2－A）×exp{－exp[e×（－3.173 1T 2+2.02T+1.812）×（1.252T 2－7.746T+1.22－t）/（10.2－A）+1]}；酱卤肉中单核细胞增生李斯特菌的动力学模型为：lgN＝A+（17.9－A）×exp{－exp[e×（－9.024T 2+5.774T－4.402）×（1.378T 2－7.995T+1.172－t）/（17.9－A）+1]}。运用该预测模型可描述自然状态下酱卤肉制品中的两种代表性致病菌数量的动态变化，为该类产品的生产、运输、贮藏及销售过程中的食品安全保证提供良好的理论依据，用以减少由致病菌引发的食品安全风险，并为建立酱卤肉企业的食品安全管理体系提供科学基础。
关键词：酱卤肉制品；沙门氏菌；单核细胞增生李斯特菌；生长模型
酱卤肉制品是我国具有悠久历史的传统肉制品，由于该类产品地方风味浓郁，而广受消费者欢迎。但因该类产品营养丰富且大多仍采用传统的手工或者半手工的生产方式，较适宜微生物生长繁殖，存在诸多卫生安全隐患，且导致食品安全事件的发生，对我国消费者的人身健康存在重大威胁 [1-2]。由微生物引发的食品安全问题是酱卤肉制品安全的主要原因，微生物食品安全根本上不同于化学食品安全，它可以在任何步骤中出现，因此需要预测微生物学对其进行预测 [3]。预测微生物学是微生物学、统计学、工程数学和计算机技术相结合的学科，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 [4]。食品中影响微生物生长及产生毒素的条件有温度、水分活度、pH值等，食品预测微生物学就是把这些决定性因素与病原菌的生长状况以及死亡动态结合在一起，建立数学模型 [5]。
目前国外在研究预测微生物学领域取得了很大的成就，包括开发出多达十几种的预测软件，建立了许多微生物学方面权威的数据库 [6-13]。现阶段我国学者在预测微生物学一级模型与二级模型的研究中也取得了一些成果 [14-16]，但对三级模型的研究和应用较少。我国在肉制品安全方面的研究有栅栏技术等，一些学者对肉制品贮藏过程微生物规律进行研究 [17-20]，也对冷鲜肉品建立了可靠的数学模型 [21-23]，但在熟肉制品尤其是酱卤肉制品模拟自然生长条件下的预测微生物学研究尚属空白。
本实验选取两种肉制品中检出率极高的沙门氏菌和单核细胞增生李斯特菌作为代表性的致病菌进行预测微生物学的研究，根据模拟自然生长条件下两种典型致病菌生长情况，分别建立一级和二级生长动力学模型，以此动态模型可表示不同温度下两种典型致病菌随时间变化的规律，为酱卤肉制品中代表性致病菌的风险评估奠定科学理论基础，从而预测酱卤肉制品生产、贮运、消费过程的安全性。
1.1 材料、菌种与培养基
酱卤肉购于哈尔滨市区内熟食店。
单核细胞增生李斯特菌、沙门氏菌均购于黑龙江省疾病预防控制中心。
沙门氏菌科玛嘉显色培养基、单核细胞增生李斯特菌科玛嘉显色培养基购于郑州博赛生物工程有限公司。
1.2 仪器与设备
SW-CJ-IFD洁净工作台 苏州安泰空气技术有限公司；DHP-9162电热恒温培养箱 上海齐欣科学仪器有限公司；ALC-1100.2、ALC-310.3电子分析天平 北京赛多利斯仪器系统有限公司；JJ-1精密増力电动搅拌器上海浦东物理光学仪器厂；电热手提式压力蒸汽灭菌锅宁波市镇海金鑫医疗器械有限公司；YXQ-LS-18SI不锈钢手提式压力蒸汽灭菌锅 上海博讯实业有限公司。
1.3 方法
1.3.1 酱卤肉中沙门氏菌的培养及计数
无菌条件下，用接种环挑取沙门氏菌，对其斜面划线接种到对应显色培养基中，在30 ℃和37 ℃分别培养24 h，挑取培养基上面的显色菌苔在无菌生理盐水中制成菌悬液，用无菌盐水进行适当稀释，用涂布法涂在显色培养基上，分别将各自放在最适温度培养箱中培养24 h。记录该菌悬液的菌数，冷冻后备用。对熟食店柜台内存放超过12 h的酱卤样品进行切割、粉碎、打浆。将菌悬液选取适当的稀释度适量加入处理好的酱卤肉样中，混匀，控制初始菌数在10 3～10 4CFU/mL，用纱布过滤掉盐水。将装有500 g接种好沙门氏菌的酱卤肉样的烧杯分别放入40、37、30、25、20、15、12、10 ℃培养箱中进行培养，根据微生物种类在不同温度下生长速率设定不同的取样时间，按照取样间隔进行取样测定菌数（40、37、30、20 ℃样品每4 h进行一次取样计数。25 ℃每8 h进行一次取样计数。15、12、10 ℃每1 d进行取样计数）。每次计数用生理盐水进行适当稀释，取两种适当稀释度，将稀释液涂布到沙门氏菌专门显色平板，30 ℃培养箱培养48 h进行计数 [8]，并记录。
1.3.2 酱卤肉中单核细胞增生李斯特菌的培养及计数
无菌条件下，用接种环挑取单核细胞增生李斯特菌，对其斜面划线接种到对应显色培养基中，在30 ℃和37 ℃分别培养24 h，挑取培养基上面的显色菌苔在无菌生理盐水中制成菌悬液，用无菌盐水进行适当稀释，用涂布法涂在各自的显色培养基上，分别将各自放在最适温度培养箱中培养24 h。进行计数，记录该菌悬液的菌数，冷冻后备用。对熟食店柜台内存放超过12 h的酱卤肉样品进行切割、粉碎、打浆。将单核细胞增生李斯特菌悬液选取适当的稀释度加入处理好的酱卤肉样中，混匀，控制初始菌数10 3～10 4CFU/mL，用纱布过滤掉盐水。将称放500 g接种好酱卤肉样的烧杯分别放入37、30、25、20、18、15、12、10、5 ℃培养箱中进行培养，根据微生物种类在不同温度下生长速率设定不同的取样时间，按照取样间隔进行取样测定菌数（37、30 ℃，样品每3 h进行一次取样计数。25、20、18 ℃每6 h进行一次取样计数。15、10 ℃每隔1 d进行一次取样计数，5 ℃每隔2 d进行一次取样计数）。每次计数用生理盐水进行适当稀释，取两种适当稀释度，将稀释液涂布到单核细胞增生李斯特菌专门显色平板，30 ℃培养箱培养48 h进行计数 [24]，并记录。
1.3.3 酱卤肉中两种代表性致病菌生长模型的建立
一级模型主要表达微生物量与时间的函数关系，由于单细胞微生物呈指数生长的特性，一般用相对细胞数的对数对培养时间作图，得到生长曲线，因S型生长曲线有4 个阶段的曲线与微生物生长极为相似，所以S形函数是最常用于拟合微生物生长曲线的函数。常用来描述微生物动力学生长的S型生长曲线的模型包括Gompertz、Richards、Stannard、Schnute、Logistic、Baranyi和其他模型 [6,25]。
为分析不同温度下沙门氏菌（单核细胞增生李斯特菌）的生长数据，选取Gompertz（公式（1））、Logistic（公式（2））、Richards（公式（3））、MMF（公式（4））4 种模型进行S型曲线拟合。通过对4 种模型r值、标准差（s）和相关生物生长规律进行比较，找出最适的生长模型 [4,7,26-27]。
式中：N为环境能容纳的最大生物量/（CFU/mL）；N 0为初始时刻生物量/（CFU/mL）；t为培养时间/h；a、b、c、d为速率参数。
对最佳一级模型进行修改，使得模型拟合度更高。二级模型表达在一级模型中的相应结果随不同环境参数值（如温度、水分活度、pH值等）的变化规律 [28-29]。在CurveExpert软件中拟合二次方程。通过一级模型方程式求得生长速率（v）和延滞期（λ），将v、λ值分别和相应的温度变量值代入方式，得出m、n、p 3 个参数值。所得参数值代回原方程，完成二级模型的建立。
2.1 沙门氏菌生长模型建立
2.1.1 一级模型的建立
采用CurveExpert软件，将实验数据分别与4 个公式进行拟合，得出不同温度下的拟合曲线，通过比较标准差（s）、相关系数（r）的微生物生长规律，选择最适合的微生物预测模型，建立一级模型。实验所得s和r如表1所示。
比较用4 个方程拟合的各个温度下的标准差和相关系数，确定在不同温度条件下沙门氏菌在酱卤肉中生长的最佳拟合模型为MMF方程。但是由于Gompertz模型相对简单，对其研究比较深入，有一系列的修正模型，修正后的Gompertz模型能够准确地预测病原菌的生长动态，对微生物生长的生物学意义表述更为清楚。因此，选用修正后的Gompertz模型作为一级模型，进而完成二级模型。
表1 沙门氏菌在不同温度下4 种模型进行拟合的标准差和相关系数
Table 1 Standard deviation and correlation coefficients of 4 fitting models for Salmonella at different temperatures
温度/℃参数Gompertz模型MMF模型10s0.147 00.102 40.142 90.092 5 r0.984 10.992 30.986 90.994 5 12s0.176 40.173 30.185 10.134 6 r0.990 10.990 50.990 70.995 1 15s0.345 30.411 90.167 80.173 3 r0.990 70.986 70.998 00.998 0 20s0.235 10.231 00.225 10.263 9 r0.995 10.995 30.996 20.994 9 25s0.386 50.273 00.152 10.174 3 r0.993 50.996 70.999 20.998 9 30s0.496 60.422 60.420 20.256 9 r0.984 50.988 80.990 50.996 5 37s0.599 40.476 70.410 10.149 2 r0.982 80.989 10.993 60.999 2 40s0.216 20.214 40.225 30.324 1 r0.997 70.997 70.998 00.995 8 Logistic模型Richards模型
所选用的Gompertz模型表达式为：
式中：N为t时刻的生物量/（CFU/mL）；A为t→－∞时的生物量（近似相当于t=0 时代初始菌数）/（CFU/mL）；C为从接种到稳定期增加的细菌浓度/（CFU/mL）；v为最大生长速率/（CFU/（mL·h））；λ为延滞期/h。
2.1.2 二级模型的建立
二级模型建立时，不能忽略环境因子对一级模型的影响，例如温度、pH值等。考虑的影响因子越全面，所拟合的一级模型就越准确，与沙门氏菌实际生长情况就更接近，但是多一个影响因素，建模的难度就会增大。所以可以适当的忽略影响较小的影响因子。对于病原菌生长最大的影响因子是温度，因此在二级模型中考察生长速率与温度、延滞期与温度的关系。
本实验中，生长速率随温度升高表现出先增大后减小的趋势，延滞期随温度变化情况与之相反。因此考虑用二次函数进行拟合，应用二次函数方程，对一级模型中参数v和λ建立关于温度的二级模型。根据温度对微生物生长的模型理论，二次函数模型为：
首先必须求出参数m 1、n 1、p 1和参数m 2、n 2、p 2，在建立一级模型时，10、12、15 ℃的实验数据培养时间以d为单位，需要将该温度模型的v除以24、λ乘以24，转化成以h为单位的数值，才可用于二级模型的建立。
采用CurveExpert软件，应用二次函数方程，对一级模型中参数v和λ建立关于温度的二级模型。各参数拟合曲线如图1、2所示。
图1 沙门氏菌在不同温度下参数v二级模型拟合曲线
Fig.1 Parameter v of the second-order model for Salmonella at different temperatures
相关系数r＝0.944 3，二级模型为：
图2 沙门氏菌在不同温度下参数λ二级模型拟合曲线
Fig.2 Parameter λ of the second-order model for Salmonella at different temperatures
相关系数r＝0.982 5，二级模型为：
2.1.3 生长动力学模型的建立
Gompertz一级模型可变形为：
式中：N max为最大菌数生成量，lgN max－A=C，lgN max值为10.2。
将式（8）、（9）及lgN max值分别代入式（10）中，得到10～40 ℃条件下沙门氏菌的生长动力学模型为：
只需测定初始沙门氏菌数，就可以根据上式计算10～40 ℃范围内任何培养温度（T）、任何培养时间（t）的沙门氏菌数。
2.1.4 沙门氏菌在酱卤肉中生长特性研究
温度是对沙门氏菌生长重要的影响因子，温度越高，沙门氏菌到达指数期就越快。30 ℃是沙门氏菌最适生长温度，在最适温度条件下沙门氏菌能较快到达指数生长期，也就是说大大缩短了延滞期。而实际情况下，微生物生长曲线的延滞期和指数期分的不是十分明显。明显看出温度很低时，延滞期就很长。当温度在10 ℃以下，沙门氏菌的生长较缓慢。通过4 种模型进行拟合生长曲线，虽然Gompertz模型不是最适模型，但是Gompertz模型是进行继续完成二级模型的最佳模型，能够进行深入研究，并且具有一定的生物学意义。本实验只需能够建立沙门氏菌二级模型，并拟合出动态模型，这样只要测定酱卤肉中初始沙门氏菌数，就可以根据上式计算10～40 ℃范围内任何培养温度（T）、任何培养时间（t）的沙门氏菌数。
2.2 单核细胞增生李斯特菌模型建立
2.2.1 单核细胞增生李斯特菌一级模型的建立
采用CurveExpert软件，将实验数据分别与4 个模型公式进行拟合，得出不同温度下的拟合曲线，通过比较s、r的生物生长规律，选择最适合的微生物预测模型，建立一级模型。实验所得s和r见表2。
表2 单核细胞增生李斯特菌在不同温度下进行4 种模型拟合的标准差和相关系数
Table 2 Standard deviations and correlation coefficients of four fitting models for Listeria monocytogenes at different temperatures
温度/℃参数Gompertz模型MMF模型5s0.254 60.169 20.252 40.058 7 r0.965 00.984 70.972 60.998 5 10s0.440 30.418 60.394 50.240 1 r0.978 10.980 20.985 00.994 5 15s0.260 60.270 30.280 50.250 8 r0.995 20.994 80.995 20.996 2 18s0.217 50.253 50.248 90.268 5 r0.996 60.995 40.996 30.9957 20s0.810 40.702 80.755 80.463 2 r0.991 00.993 20.993 30.997 5 25s0.600 10.499 40.441 90.251 7 r0.984 90.989 50.993 20.997 8 30s0.501 00.452 70.372 00.172 0 r0.984 70.987 60.992 80.998 5 37s0.519 10.637 10.454 50.276 1 r0.989 40.984 00.993 10.997 4 Logistic模型Richards模型
比较用4 个方程拟合的各个温度下的生长曲线，确定在不同温度条件下单核细胞增生李斯特菌在卤肉中生长的最佳拟合模型为MMF方程。但是由于Gompertz模型相对简单，对其研究比较深入，有一系列的修正模型，修正后的Gompertz模型能够准确地预测病原菌的生长动态，对微生物生长的生物学意义表述更为清楚。因此，本实验选用修正后的Gompertz模型作为一级模型。进而完成二级模型。这里所选用的Gompertz模型表达式见公式（5）。
2.2.2 二级模型的建立
同沙门氏菌二级模型建立，在单核细胞增生李斯特菌二级模型中考虑生长速率与温度、延滞期与温度的关系。根据温度对微生物生长的模型理论，二次函数模型为公式（6）、（7）。
在建立一级模型时5、10、15 ℃的实验数据培养时间以d为单位，需要将该温度的v除以24和λ乘以24，转化成以h为单位的数值，才可用于二级模型的建立。
采用CurveExpert软件，应用二次函数方程，对一级模型中参数v和λ建立关于温度的二级模型。各参数拟合曲线如图3、4所示。
图3 单核细胞增生李斯特菌在不同温度下参数v二级模型拟合曲线
Fig.3 Parameter v of the second-order fitting model for Listeria
monocytogenes at different temperatures
相关系数r=0.922 1，二级模型为：
图4 单核细胞增生李斯特菌在不同温度下参数λ二级模型拟合曲线
Fig.4 Parameter λ of the second-order fitting model for Listeria monocytogenes at different temperatures
相关系数r=0.969 0，二级模型为：
2.2.3 生长动力学模型的建立
单核细胞增生李斯特菌的lgN max值为17.9，将式（12）、（13）及lgN max值分别代入式（10）中，得到10～40 ℃条件下单核细胞增生李斯特菌的生长动力学模型为：
只要测定初始单核细胞增生李斯特菌菌数，就可以根据上式计算10～37 ℃范围内任何培养温度（T）、任何培养时间（t）的单核细胞增生李斯特菌数。
2.2.4 单核细胞增生李斯特菌在酱卤肉培养基中的生长特性研究
温度是对单核细胞增生李斯特菌生长重要的影响因子，单核细胞增生李斯特菌进入指数期时间与温度成正相关的关系。37 ℃是单核细胞增生李斯特菌的最适生长温度，在最适温度条件下单核细胞增生李斯特菌能较快达到指数生长期，也就是说大大缩短了延滞期。而实际情况下，微生物生长曲线的延滞期和指数期分的不是十分明显。温度较低时，延滞期较长。温度在4 ℃，单核细胞增生李斯特菌仍然可以存活，生长缓慢。所以单核细胞增生李斯特菌在低温情况下也很难控制。虽然Gompertz模型不是最适模型，但是Gompertz模型是进行继续完成二级模型的最佳模型，能够进行深入研究，并且具有一定的生物意义。本实验只要能够建立的单核细胞增生李斯特菌的二级模型，并且拟合出动态模型，这样只要测定酱卤肉中初始单核细胞增生李斯特菌数，就可以根据式（14）计算5～37 ℃范围内任何培养温度（T）、任何培养时间（t）的单核细胞增生李斯特菌数。
通过Gompertz模型、Richards模型、Logistic模型和MMF模型对沙门氏菌和单核细胞增生李斯特菌生长进行拟合得出：Gompertz模型相对简单，对其修正后又有明确的生物学意义，所以选择Gompertz模型作为一级模型，用其修正后的模型再次对沙门氏菌和单核细胞增生李斯特菌在不同温度下进行拟合。
根据已建立的一级模型在沙门氏菌和单核细胞增生李斯特菌培养温度范围内得出，酱卤肉制品中沙门氏菌的生长动力模型为：lgN＝A+（10.2－A）×exp{－exp[e×（－3.173 1T 2+2.02T+1.812）×（1.252T 2－7.746T+1.22－t）/（10.2－A）+1]}；酱卤肉中单核细胞增生李斯特菌的生长动力模型为：lgN＝A+（17.9－A）×exp{－exp[e×（－9.024T 2+5.774T－4.402）×（1.378T 2－7.995T+1.172－t）/（17.9－A）+1]}。
运用此动力模型只需测定初始致病菌菌数，就可以根据相应的动力模型计算适用范围内任何培养温度（T）、任何培养时间时间（t）的致病菌菌数。此模型应用于自然状态下酱卤肉制品中微生物数量描述，可对该类产品进行监控和风险评估，保障其生产、运输、贮存及销售过程中的食品安全。
参考文献：
[1] 吴晓丽, 张相生, 蒋爱民, 等. 酱卤肉制品保鲜技术研究进展[J]. 肉类工业, 2014(7): 46-50. DOI:10.3969/j.issn.1001-8123.2014.07.017.
[2] 张勉, 唐道邦, 刘忠义, 等. 酱卤肉制品的研究进展[J]. 肉类工业, 2010(9): 47-50. DOI:10.3969/j.issn.1008-5467.2010.09.017.
[3] HAVELAAR A H, BRUL S, de JONG A, et al. Future challenges to microbial food safety[J]. International Journal of Food Microbiology, 2010, 139(Suppl 1): 79-94. DOI:10.1016/j.ijfoodmicro.2009.10.015.
[4] 岳晓禹, 胡志霞, 刘相东, 等. 食品微生物预测模型研究进展[J]. 郑州牧业工程高等专科学校学报, 2014, 34(3): 14-16. DOI:10.3969/ j.issn.1008-3111.2014.03.005.
[5] MEJLHOLM O, GUNVIG A, BORGGAARD C, et al. Predicting growth rates and growth boundary of Listeria monocytogenes: an international validation study with focus on processed and ready-toeat meat and seafood[J]. International Journal of Food Microbiology, 2010, 141(3): 137-150. DOI:10.1016/j.ijfoodmicro.2010.04.026.
[6] 董庆利. 食品预测微生物学: 过去 现在 将来[J]. 农产品加工(学刊), 2009(3): 38-41. DOI:10.3969/j.issn.1009-7848.2010.06.027.
[7] 唐佳妮, 张爱萍, 刘东红. 预测微生物学的研究进展及其在食品中的应用[J]. 中国食品学报, 2010, 10(6): 162-166. DOI:10.3969/ j.issn.1009-7848.2010.06.027.
[8] 杨宪时, 许钟, 郭全友. 食源性病原菌预报模型库及其在食品安全领域的应用[J]. 中国食品学报, 2006, 6(1): 372-376. DOI:10.3969/ j.issn.1009-7848.2006.01.078.
[9] DALGAARD P, BUCH P, SILBERG S. Seafood Spoilage Predictordevelopment and distribution of a product specific application software[J]. International Journal of Food Microbiology, 2002, 73(2/3): 343-349. DOI:10.1016/S0168-1605(01)00670-5.
[10] 曹悦, 陆利霞, 熊晓辉. 食品货架期预测新技术进展[J]. 食品研究与开发, 2009, 30(5): 165-168. DOI:10.3969/j.issn.1005-6521.2009.05.050.
[11] FDA Center for Food Safety and Applied Nutrition. Quantitative risk assessment on the public health impact of pathogenic Vibrio parahaemolyticus in raw oysters[C]//U.S. Department of Health and Human Services, 2005.
[12] POUILLOT R, LUBRAN M B. Predictive microbiology models vs. modeling microbial growth within Listeria monocytogenes risk assessment: what parameters matter and why[J]. Food Microbiology, 2011, 28(4): 720-726. DOI:10.1016/j.fm.2010.06.002.
[13] ARROYO-LOPEZ F N, BAUTISTA-GALLEGO J, RODRIGUEZGOMEZ F, et al. Predictive microbiology and table olives[M]// MENDEZ-VILAS A. Current research, technology and education topics in applied microbiology and microbial biotechnology. Zurbaran: Formatex Research Center, 2010: 1452-1461.
[14] 杨振泉, 焦新安. 不同副溶血弧菌的分子鉴别与生长动力学模型比较[J]. 中国人兽共患病学报, 2008, 24(3): 210-215. DOI:10.3969/ j.issn.1002-2694.2008.03.006.
[15] 王璐华, 宁喜斌. 副溶血性弧菌生长预测模型的建立与应用探讨[J].华北农学报, 2008, 23(增刊1): 263-267.
[16] 卢晓凤. 蛤肉中副溶血性弧菌风险评估体系初探[D]. 泰安: 山东农业大学, 2007.
[17] 龙文玲, 姚开, 贾冬英, 等. 肉制品预测微生物模型的研究进展[J]. 食品科技, 2007(6): 27-30. DOI:10.3969/j.issn.1005-9989.2007.06.008.
[18] 王小军. 板鸭贮藏中微生物、理化性质变化规律及保鲜技术研究[D].重庆: 西南大学, 2007.
[19] 徐宝才, 任发政, 王前武, 等. 牛肉火腿切片的腐败微生物鉴定及贮藏过程中的品质变化[J]. 食品与发酵工业, 2004, 30(5): 124-128. DOI:10.3321/j.issn:0253-990X.2004.05.029.
[20] 白艳红. 低温熏煮香肠腐败机理及生物抑菌研究[D]. 杨凌: 西北农林科技大学, 2005.
[21] 李薇. 利用预测微生物学延长低温肉制品的货架期[J]. 企业科技与发展, 2009(10): 71-73. DOI:10.3969/j.issn.1674-0688.2009.16.026.
[22] 邵伟, 仇敏, 唐明, 等. 预测微生物学在冷鲜肉货架期预测中的应用[J]. 肉类工业, 2006(11): 25-26. DOI:10.3969/ j.issn.1008-5467.2006.11.011.
[23] 李苗云. 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.
[24] BUCHANAN R L. Using spreadsheet software for predictive applications[J]. Journal of Food Safety, 1990, 11(2): 123-134. DOI:10.1111/j.1745-4565.1990.tb00045.x.
[25] 周康, 刘寿春, 李平兰, 等. 食品微生物生长预测模型研究新进展[J]. 微生物学通报, 2008, 35(4): 589-594. DOI:10.3969/ j.issn.0253-2654.2008.04.021.
[26] 韩北忠, 李敏, 张琳, 等. 预测微生物学与食品质量安全[J]. 中国酿造, 2005, 24(9): 1-3. DOI:10.3969/j.issn.0254-5071.2005.09.001.
[27] 迟海, 李学英, 杨宪时. 微生物预测模型技术研究进展及其在食品工业中的应用[J]. 现代食品科技, 2013, 29(3): 678-682.
[28] ROSS T, MCMEEKIN T A. Modeling microbial growth within food safety risk assessments[J]. Risk Analysis, 2003, 23(1): 179-197. DOI:10.1111/1539-6924.00299.
[29] 王迪. 食品微生物生长预测模型及应用[J]. 科技创业家, 2013(14): 217.
Typical Growth Characteristics of Salmonella and Listeria monocytogenes in Braised Pork with Soy Sauce and Establishment of Prediction Models
ZHAO Nan
1, XU Xiaoxi
1,*, LIU Yang
1, GAO Jiming
1, ZHANG Shuyi
2, NA Hongping
1, JIN Feng
1
(1. College of Food Science, Northeast Agricultural University, Harbin 150030, China; 2. The National Animal Husbandry Station, Beijing 100125, China)
Abstract：In this study, the epidemiological results showed that pathogens were detected in pot-stewed meat, and most of them were Salmonella and Listeria monocytogenes. Using pot-stewed meat as the medium for the two representative pathogens, their growth characteristics were studied at different temperatures. In addition, first-order and second-order models describing the growth of Salmonella and Listeria monocytogenes were established at different temperatures. According to the developed models, the dynamic models for predicting the growth of Salmonella and Listeria monocytogenes in pot-stewed meat in the investigated temperature range were established as lgN = A + (10.2 − A) × exp{ − exp[e × (− 3.173 1T 2+ 2.02T + 1.812) × (1.252T 2− 7.746T + 1.22 − t)/(10.2 − A) + 1]} and lgN =A + (17.9 − A) × exp{ − exp[e × (− 9.024T 2+ 5.774T − 4.402) × (1.378T 2− 7.995T + 1.172 − t)/(17.9 − A) + 1]}, respectively. Changes in the microbial quantity of sauced meat products under natural conditions can be described with the dynamic models, which can provide a good theoretical basis for the manufaturers to reduce food safety risks caused by bacteria and establish a food safety management system for ensuring the food safety of sauced meat products during production, transportation, storage and distribution.
Key words：sauced meat products; Salmonella; Listeria monocytogenes; growth model
DOI：10.7506/spkx1002-6630-201601022
中图分类号：S872
文献标志码：A
文章编号：1002-6630（2016）01-0120-06
引文格式：
赵楠, 许晓曦, 刘洋, 等. 酱卤肉中沙门氏菌和单核细胞增生李斯特菌生长特性及预测模型建立[J]. 食品科学, 2016, 37(1): 120-125.
DOI:10.7506/spkx1002-6630-201601022. http://www.spkx.net.cn
ZHAO Nan, XU Xiaoxi, LIU Yang, et al. Typical growth characteristics of Salmonella and Listeria monocytogenes in braised pork with soy sauce and establishment of prediction models[J]. Food Science, 2016, 37(1): 120-125. (in Chinese with English abstract)
DOI:10.7506/spkx1002-6630-201601022. http://www.spkx.net.cn
收稿日期：2015-01-28
基金项目：“十二五”国家科技支撑计划项目（2012BAD28B02）
作者简介：赵楠（1992—），女，硕士研究生，研究方向为食品科学。E-mail：zhaonan0224@163.com
*通信作者：许晓曦（1968—），女，教授，博士，研究方向为乳品科学与技术。E-mail：xiaoxi_xu01@163.com