Microbiologa predictiva: Una herramienta para anlisis de riesgo y control de calidad de alimentos

Prof. Dr. Wilmer Edgard Luera Pea DTA/UFV

Seguridad de Alimentos? Proteccin y preservacin de la salud humana frente a los riesgos representados por la presencia de peligros en los alimentos?

Codex Alimentarius

Peligro: un agente de naturaleza biolgica, fsica o qumica, con potencial para desencadenar efecto adverso a la salud e integridad fsica del consumidor Riesgo: probabilidad (posibilidad) del efecto adverso a la salud del consumidor e la magnitud del efecto, por la presencia de peligros en el alimento.

Codex Alimentarius

Cadena alimentaria de la lecheAnlisis de Peligros (Riesgos) y Puntos de Control Crticos - APPCC

Animal Leche Usina Beneficiadora Consumidor

Anlisis de Riesgo: Un proceso interactivoRiesgo Funcin de probabilidad de un efecto nocivo para la salud y la gravedad de este efecto, como consecuencia de un peligro o peligros en los alimentos. (Codex Alimentarius)

Evaluacin de riesgos

Gestin de Riesgo

Comunicacin de Riesgo

Evaluacin de riesgo microbiolgico Proceso con base cientfica Identificacin del peligro microbiolgico Evaluacin de la exposicin Caracterizacin de este peligro Caracterizacin del riesgo

Diagrama Esquemtico de evaluacin del riesgoModelos matemticos predictivosPELIGROS: PROPIEDADE DE UN ALIMENTO FSICOS QUMICOS BIOLGICOS EVALUACIN DE LA RELACIN DOSISRESPUESTA IDENTIFICACIN DEL PELIGRO

CARACTERIZACIN DEL RIESGO

INFORMACIN SOBRE NIVELES DE EXPOSICIN EVALUACIN DE LA EXPOSICIN

Que son modelos matemticos predictivos? Como implementarlos? Para que sirven los modelos matemticos? Tienen aplicacin en la microbiologa de los alimentos?

Introduccin Que es microbiologa predictiva?

Estudia la respuesta de crecimiento o de inhibicin de microorganismos que crecen en alimentos en funcin de factores que los afecten. Y a partir de estos datos predecir lo que suceder durante el almacenamiento, procesado, etc

Usada para modelar: Supervivencia Crecimiento Muerte

Microorganismo

Factores de conservacin

Mtodos combinados

Mtodos combinados

Ofrece informaciones necesarias para tomar decisiones en: Anlisis de riesgo Garanta de calidad Desarrollo de nuevos productos y procesos Anlisis de datos Planear ensayos de laboratorio

La respuesta conservacin:

microbiana

a

diversos

factores

de

Es posible reproducirlo Es afectada por eses factores Es posible predecirla" A partir de observaciones realizadas sobre condiciones definidas y controladas

EXPRESIONES MATEMTICAS

Trabajos de Investigacin Realizados Modeling the growth of Listeria monocytogenes in UHT and pasteurized milk and validation studies in other dairy products. (2010). Determinacin de la cinetica de inactivacin de Klebsiella pneumoniae aderida a la hoja de lechuga (Tesis de Doctorado Maria Aparecida Antunes). (2009) Microbial Modeling of Alicyclobacillus acidoterrestris CRA 7152 Growth in Orange Juice With Nisin Addition. Journal of Food Protection, (2006). Modelamiento del crecimiento radial de P. variotii: Efecto de la Aw en jugo de pia Modelling Salmonella concentration throughout the pork supply chain by considering growth and survival in fluctuating conditions of temperature, pH and aw

Modeling the growth of Listeria monocytogenes in UHT and pasteurized milk and validation studies in other dairy products (2010).

Objetivos: Evaluar el crecimiento de Listeria monocytogenes en leche UHT y pasteurizado durante almacenamiento a 3, 6, 9, 12 y 15C. Generar modelos de crecimiento primarios (Baranyi model, modified Gompertz and logistic functions) Generar modelos segundrios (Ratkowsky and Arrhenius equations) Validacin estadstica Validacin con dados generados en productos lcteos de la base de datos ComBase.

Modeling the growth of Listeria monocytogenes in UHT and pasteurized milk and validation studies in other dairy products (2010).

Materiales y mtodos

Materiales y mtodos

Materiales y mtodos

Materiales y mtodos

Materiales y mtodos5.Validation against data generated in dairy products from ComBase database Criteria for data selection: growth curves of Listeria monocytogenes were generated in dairy products without addition of any preservatives data were generated in temperature range 3-15oC and pH 6-7 growth curves were obtained by traditional plate counts method

Resultados y discusin

Resultados y discusin

Modelos secundrios: Ratkowsky e Arrhenius

Resultados y discusin

Modelos secundrios: Ratkowsky e Arrhenius

Validacin estadstica

1,128 1.138

1.015 1.019

Validacin com datos generados del Combase

ConclusionesListeria monocitogenes crece en leche pasteurizado y leche UHT durante el almacenamiento a bajas temperaturas, con altas tasas de crecimiento a la medida que la temperatura aumenta. Listeria monocytogenes crece mas rpido en leche UHT que en leche pasteurizado modelos predictivos, despus de validados, se tornan una valiosa herramienta para predecir el crecimiento de Listeria monocytogenes en leche UHT y pasteurizado

Microbial Modeling of Alicyclobacillus acidoterrestris CRA 7152 Growth in Orange Juice With Nisin Addition. - Journal of Food Protection, (2006).

Alicyclobacillus acidoterrestris

Esporulado, acidofilico, no patgeno resistente a altas temperaturas

Objetivos: Modelar el crecimiento y/o supervivencia de esporas de Alicyclobacillus acidoterrestris en jugo de naranja usando los modelos de Baranyi & Roberts y Gompertz modificado. Modelar el tiempo de adaptacin de Alicyclobacillus acidoterrestris en jugo de naranja como funcin del pH, concentracin de slidos solubles (Brix), Temperatura de incubacin y concentracin de nisina utilizando modelo de superficie de respuesta.

Materiales y mtodosDiseo Experimental: Diseo compuesto central rotativo Variables ambientales: Concentracin de nisina (0; 17,5; 30; 52,5 e 70)IU/mL Temperatura (20; 28,5; 37; 45,5 e 54)C pH (3; 3,7; 4,4; 5,1 e 5,8) Slidos solubles (11; 13; 15; 17 e 19) Brix Producto Jugo de naranja pH 3,68; 66 Brix

Nivel de inoculacin: 2x102 esporas/mL activados a 80C /10 minutos Monitoreado: Plaqueamiento medio K (pH 3,7) 43 C, 3 - 5 das

Materiales y mtodos

Modelos utilizados Primrios: (a)Gompertz modificado e (b)Baranyi & Roberts, Programa: DMFIT(a)

Lt ! A C ?exp? exp Bt M )

A A

(b)

1 e mQmax An ( t ) 1 y (t ) ! y 0 Q max An (t ) ln(1 m ( ymax y0 ) ) m eSecundrio: Superfcie de Resposta, Programa Statistica v. 5.0.

Y ! F 0 F1 X 1 F 2 X 2 ... F ij X I X J

Materiales y mtodos

Ensaios 1 2 3 4 5 6 7 8 9 10 11 12 13 14 T 28,5 45,5 28,5 45,5 28,5 45,5 28,5 45,5 28,5 45,5 28,5 45,5 28,5 45,5(a)

Variveis Ensaios (b) (c) (a) pH Ni Brix T 3,7 17,5 13 15 28,5 3,7 17,5 13 16 45,5 5,1 17,5 13 17 20 5,1 17,5 13 18 54 3,7 52,5 13 19 37 3,7 52,5 13 20 37 5,1 52,5 13 21 37 5,1 52,5 13 22 37 3,7 17,5 17 23 37 3,7 17,5 17 24 37 5,1 17,5 17 25 37 5,1 17,5 17 26 37 3,7 52,5 17 27 37 3,7 52,5 17

Variveis (b) (c) pH Ni Brix 5,1 52,5 17 5,1 52,5 17 4,4 35 15 4,4 35 15 3 35 15 5,8 35 15 4,4 0 15 4,4 70 15 4,4 35 11 4,4 35 19 4,4 35 15 4,4 35 15 4,4 35 15

Resultados y discusin6,5 6 5,5 5 4,5 Log N 4 3,5 3 2,5 2 1,5 1 0 5 10 15 20 25 Tempo (dias) 30 35 40 45 50 (6) pH (2)

Gompertz Baranyi

(4*)

pH 5,1; 17,5IU/ml

(8)

pH 5,1; 52,5IU/ml

pH 3,7; 17,5IU/ml 3,7; 52,5IU/ml

FIGURA. Curvas de crecimiento de A. acidoterrestris CRA 7152 en jugo de naranja concentrado: 13Brix y 45,5C; (*) nmero de experimento.

Resultados y discusinEnsaio(a) Modelo Tempo de adaptao (dias) 24 23,3 23,7 9 12,4 11,3 18 16,4 15,1 16 14,5 16,2 26 21,1 25,2 36 26,1 29 0,0735 0,1038 0,452 0,345 0,151 0,126 0,07 0,16 0,04 0,07 0,035 0,053 2,73 2,73 5,99 5,94 5,01 4,84 3,56 3,58 2,95 2,94 2,95 2,84 0,92 0,92 0,98 0,99 0,95 0,96 0,95 0,96 0,9 0,96 0,94 0,96 Taxa de crescimento (log((ufc/ml)/dia) Populao mxima Log(UFC/ml)(b)

R2

2

Observado Gompertz Baranyi Observado Gompertz Baranyi Observado Gompertz Baranyi Observado Gompertz Baranyi Observado Gompertz Baranyi Observado Gompertz Baranyi

4

20

25

12

16

Resultados y discusinVarivel Coeficiente probabilidade media 15,7 0,001013 Temperatura -6,34542 0,000775 2 Temperatura 5,53635 0,001145 pH -5,30458 0,001109 2 pH 4,04885 0,002138 nisina 5,26292 0,001126 2 nisina 2,28635 0,006658 Brix 5,13792 0,001182 2 Brix 5,58635 0,001125 Temperatura*pH -3,06813 0,004943 Temperatura*nisina 1,24213 0,029019 Temperatura*Brix 1,60562 0,017701 pH*nisina 2,19438 0,009595 nisina*Brix 1,51813 0,019739

Coeficientes de regresin significativos del modelo cuadrtico para el tiempo de adaptacin de A.acidoterrestris

P ! 15,70 6,34542T 5,53635T 2 5,30458 pH 4,04885 pH 2 5,26292 Ni 2,28635Ni 2 5,13792Brix 5,58635Brix 2 3,06813T * pH 1,24213T * Ni 1,60562T * Brix 2,19438 pH * Ni 1,51813Ni * Brix

Resultados y discusin(a)Tempo de adaptao (dias)

(b)

Tempo de adaptao (dias)

Superficies de respuesta para el tiempo de adaptacin: (a) Brix vs Temperatura, pH 4,4, e concentracin de Nisina 35IU/ml; (b) concentracin de Nisina vs pH, 15Brix e 37C.

ConclusionesLa nisina controla el crecimiento do A. acidoterrestris en jugo de naranja El modelo de Baranyi e Roberts ajusto mejor los datos de crecimiento que el modelo de Gompertz El tiempo de adaptacin fue afectado principalmente por la temperatura seguido por el pH, Nisina y concentracin de slidos solubles. Con el modelo encontrado, se puede predecir situaciones nuevas no usadas en el planeamiento experimental

Cintica de crecimiento e inactivao de Klebsiella pneumoniae con soluciones sanitizantes preparadas a partir de cloramina orgnica y de vinagre comercial (2009)Klebsiella pneumoniae Patgeno Gram negativo

Objetivos: Cintica de inactivacin de Klebsiella peneumoniae con cloramina orgnica y vinagre Cintica de crecimiento da Klebsiella pneumoniae en hojas de lechuga.

Cintica de inactivacin Sustancia antimicrobiana: Cloramina orgnica (Nippo-clor) concentracin de 170 mg.mL-1, pH 6,2 y temperatura de 22C Sobrevivientes: enumeracin en medio gar MacConkey (Acumedia) y las placas incubadas a 35 C 2 C Tiempos de contacto: 8 en 8 minutos hasta 64 minutos Modelo utilizado: Pruit y Kamau (1993)

donde: S a fraccin total de sobrevivientes (x/x0) tiempo t; es la fraccin de sobrevivientes de la sub-poblacin 1, mas sensible; (1 - ) es la fraccin de sobrevivientes de la sub-poblacin 2, menos sensible; b1 es la tasa de muerte especfica da sub-poblacin 1; e b2 es la tasa de muerte especfica da sub-poblacin 2;

Cintica de inactivacin

Cintica de inactivacin

Bias factor: 1.02

Accuracy factor: 1.21, R2=0,71

Cintica de inactivacin

Cintica de inactivacin

Bias factor: 1.03

Accuracy factor: 1.21, R2=0,71

Cintica de inactivacin Vinagre 0,18%, pH 2,8

D1=4,22, D2=124,6

Cintica de crecimiento Material: hojas de lechuga Enumeracin: gar MacConkey (Acumedia) y las placas incubadas a 35 C 2 C Temperaturas de incubacin: 5, 10, 20, 30 y 40C Modelos utilizado: Baranyi & Roberts (1995) y Gompertz

Cintica de crecimiento Modelos utilizado: secundriosRaiz quadrada

Raiz quadrada modificada

Arrhenius

Weibull

Cintica de crecimiento

Cintica de crecimiento

Cintica de crecimiento - Lag

R2=0,99, Bias, factor=1,41, Accuracy factor=1,54

R2=0,99, Bias factor=0,8, Accuracy factor=1,29

Cintica de crecimiento tasa de crecimiento

Cintica de crecimiento tasa de crecimiento

Modelamiento del crecimiento radial de P. variotii: Efecto de la Aw en jugo de pia

Objetivos: Estudiar el crecimiento del Paecilomyces variotii en jugo de frente a diferentes Aw y temperatura constante de 250C, pia,

Modelar matemticamente el tiempo de lag (tiempo a partir del cual la colonia se torna visible) y tasa de crecimiento va modelo presentado por Gibson et al (1994).

Materiales y mtodosMicroorganismo: Suspensin de conidios de P. variotii Condiciones experimentales: Aw: 0,98; 0,96; 0,94; 0,92; 0,90; 0,88; 0,86; 0,84 Embalage: botella PET 250 mL, permeabilidad 0,041 mL O2/garrafa-dia 0,2atm Temperatura de incubacin: 25C Producto Jugo de pia pH 3,8

Nivel de inoculacin: 103 conidios/mL de jugo Tiempo de incubacin:100 das Medida del dimetro: dos posiciones hasta estabilizacin da colonia Tratamiento de los dados: Modelos de Gompertsz y Baranyi; DMfit

Modelo cinticos utilizados: Gibson et al. (1994)

bw ! 1 aw

(1)

ln P ! D0 D1bw D b

2 2 w

(2)

(3)

Resultados y discusin

Resultados y discusin

Resultados y discusin

Conclusion El modelo de Gibson et al. (1994) se mostr como una importante herramienta para auxiliar y seleccionar tiempos de almacenamiento de muestras donde puede haber supervivencia de hongos termorresistentes antes de tornarse en colonia visible

Modelling Salmonella concentration throughout the pork supply chain by considering growth and survival in fluctuating conditions of temperature, pH and awPin et al. (2011) International Journal of Food Microbiology, v.145, p.95-102

Objetivos: Predecir la poblacin de Salmonella en cualquier tiempo durante las diferentes etapas de la cadena de suministro de carne de cerdo. Implementar modelos para describir los efectos de los principales factores ambientales, temperatura, pH y Aw, sobre la cintica de crecimiento e inhibicin de Salmonella.

Modelling Salmonella concentration throughout the pork supply chain by considering growth and survival in fluctuating conditions of temperature, pH and awPin et al. (2011) International Journal of Food Microbiology, v.145, p.95-102

Datos: Seleccionados del programa ComBase (www.combase.cc) Los parmetros cinticos de crecimiento fueron obtenidos utilizando el modelo de Baranyi y Roberts (1994) programa DMFit.

ModelagemConcentracin bacteriana en cualquier tiempo con condiciones ambientales variables Describe la transicin de la fase exponencial a la fase estacionaria Concentracin mxima 109 ufc/ml o gr

Decadencia de la tasa especifica

Modelo de probabilidade

Gracias por su atencin