【正文】 儲藏中預測微生物模型都有研究。90年代初，個人電腦的普及極大地推動了預測微生物學的發(fā)展。微生物的預測能處理這些事情，其魅力在于利用存在的數(shù)據(jù)去預測未來發(fā)展趨勢，對實際的生產(chǎn)和流通過程進行監(jiān)控，可以提高我國肉類工業(yè)的技術水平。我們既要利用微生物的有益方面改善食品的品質，又要通過有害微生物的控制來保障食品安全。中國冷卻肉生產(chǎn)行業(yè)起步不久，一些新建的企業(yè)，從廠房建設到設備全套引進國外技術，硬件達到國際先進水平，但是生產(chǎn)技術等軟件跟不上，往往會造成有先進設備卻生產(chǎn)不出一流產(chǎn)品的現(xiàn)象。 預測微生物學發(fā)展歷史預測微生物學的歷史最早可以追溯到19世紀20年代初，人們認識到孢子的熱滅活表現(xiàn)為動力學趨勢，由此開發(fā)了阿列紐斯(Arrhenius)方程和Bigelow模型來描述溫度對耐高溫微生物的影響，預測微生物學在此基礎上初具雛形。預測微生物學已經(jīng)發(fā)展成為一門專門的學科。而表征微生物響應的模型響應參數(shù)則有每毫升的菌落形成單位數(shù)、毒素產(chǎn)生、底物濃度及代謝產(chǎn)物濃度等。圖1顯示了微生物預測模型的分類，表1列舉了常用的微生物生長預測一級、二級及三級模型。 Roberts 模型(以下簡稱Baranyi 模型)的表述為：；………………………………………………（1）；……………………………………………………………（2）其中， N：t 時微生物數(shù)量； N0 ：0 時微生物數(shù)量；Nmin：最小微生物數(shù)量；kmax：最大相對死亡率； r, s：參數(shù)。（2）響應面模型當多種因素共同影響生長時，響應面模型比平方根模型復雜但卻更有效。目前，世界上已開發(fā)了多種食品微生物生長模型預測軟件，使得非研究性人員能獲得專家性的指導。SSSP由相對腐敗速率(Relative Rate of Spoilage, RRS)模型和微生物腐敗(Microbial Spoilage， MS)模型構成，增強了對海產(chǎn)品安全性的監(jiān)控。2003年5月，兩國將這兩種預測微生物模型最終整合成了一個數(shù)據(jù)庫模型，稱為ComBase。該瀏覽器能方便提供生長/非生長界定條件和微生物生長率的信息，有助于食品設計、加工食品的運輸和生產(chǎn)的安全。4 預測模型的驗證任何模型在使用之前都要驗證其有效性。但是食品成分比較復雜，跟培養(yǎng)基有很大的不同。預測微生物學不僅可以鑒定可能存在的污染源及污染菌的生化特征，特定條件下微生物的生長和產(chǎn)生毒素的速度還可以評估人員對致病菌的反應和感染劑量。在屠宰后肉的冷卻過程中，有2個冷卻階段，要求深層肉的溫度在24 h內(nèi)降低到7℃。這使我們在產(chǎn)品設計階段就可以了解該食品可能存在的微生物問題，從而可以運用柵欄技術加強某些微生物生長阻礙因子，保證所開發(fā)食品的微生物學安全性。6 微生物預測預報技術發(fā)展方向盡管微生物預測模式在食品貨架期預測和安全評估上的優(yōu)勢非常突出，但是食品成分復雜，各種細菌的特性千差萬別，許多相輔變量尚未列入預報系統(tǒng)，在具體運用上還有待改進。另外，當前預測微生物學模型形式眾多，“一菌一模型”不利于學科發(fā)展，是否有統(tǒng)一化的模型來表述生長、失活和殘存的所有微生物形式，或者將生長和死亡函數(shù)整合到一個模型中，例如有研究Gompertz模型用來描述乳酸菌在香腸發(fā)酵成熟過程中的生長形態(tài)，其“鏡像”Fermi模型可用來描述乳酸菌的死亡數(shù)量。Gill等研究和預測了大腸桿菌在豬肉中的微生物溫度函數(shù)，結果表明：來源于肉湯中這些微生物的生長模型不能很好地描述大腸桿菌在豬肉脂肪和肌肉組織中的生長情況。參考文獻[1]黃秀梨,辛明秀,微生物學［M］.北京: 高等教育出版社,2009,190.[2](第二版)[M].北京:高等教育出版社,2002.[3]李博,[J].,27(11):5558.[4]韓北忠,李敏,[J].中國釀造, 2005,9: 13.[5]李苗云,朱應舉,[J]..[6]邵偉,仇敏,[J].肉類工業(yè),2006(11):2526.[7][D].北京:中國農(nóng)業(yè)大學,2004,6.[8]李景春,——風險評估[J].肉類研究,2001,1:1822.[9]（第二版）[M].北京:中國農(nóng)業(yè)出版社,1995.[10][M].北京,高等教育出版社,2000.。微生物特性等實驗數(shù)據(jù)的獲取是建模過程中最繁瑣的工作，樣本量越大，條件參數(shù)考慮范圍越廣，模型效果越趨于準確，但需要消耗大量的時間和物力。許多模型都是在恒定的環(huán)境條件(溫度、pH值、Aw等)下建立起來的，這類模型可以較好地預測微生物在相似恒定條件下的生長情況。建立微生物預測模型存在著諸多挑戰(zhàn)：微生物對環(huán)境條件變化產(chǎn)生的相應生理反應是復雜的，而且目前人類對此知之甚少。此外還可應用計算機軟件來改進不穩(wěn)定產(chǎn)品。結果表明，第一階段采用10 h 、18 h 冷卻方法，大腸桿菌生長最少。MARINS采用全因子設計實驗(Full factorial design)方程、用建立的完全二級logistic回歸模型(The full secondorder logistic regression model)對阿月渾子果中炭黑曲霉的生長以及毒素產(chǎn)生的界限進行預測和探討[35]，結果表明，該模型既能計算出特定的溫度和濕度條件下真菌生長的概率以及真菌生長的極限條件，還可考察溫度和濕度的交互作用對真菌生長影響。5 預測微生物學的應用 預測產(chǎn)品的貨架期近來，預報微生物學在食品貨架期預測領域的研究屢見不鮮。此方法常需要將原始數(shù)據(jù)轉換成對數(shù)或平方根形式，以給出較為客觀的評價，是模型驗證中常用的一個方法。其目的是為管理人員提供質量的研究和開發(fā)的決策。這標志著全世界的研究人員、風險評估人員、法律機構職員、食品生產(chǎn)者和食品研發(fā)人員都可以免費的通過該系統(tǒng)對數(shù)據(jù)進行有效快捷的評估，并保證了國際食品貿(mào)易的安全性。這些預測軟件針對不同地域、不同來源的產(chǎn)品，以