饅頭中金黃色葡萄球菌生長預測模型的建立

王亭亭， 曹 慧， 徐 斐*， 袁 敏， 于勁松， 李 潔， 彭少杰， 王李偉

(1.上海理工大學 醫(yī)療器械與食品學院，上海 200093；2.上海市食品藥品監(jiān)督所，上海 200233)

?

饅頭中金黃色葡萄球菌生長預測模型的建立

王亭亭1， 曹 慧1， 徐 斐1*， 袁 敏1， 于勁松1， 李 潔2， 彭少杰2， 王李偉2

(1.上海理工大學 醫(yī)療器械與食品學院，上海 200093；2.上海市食品藥品監(jiān)督所，上海 200233)

以傳統(tǒng)面制品饅頭作為研究對象，采用修正的Gompertz(SGompertz)和修正的Logistic(SLogistic)作為一級生長模型，應用Origin 9.0軟件分別擬合饅頭中金黃色葡萄球菌在10、15、25、30和37 ℃的生長情況，獲得其最大比生長速率(μmax)和遲滯期(λ)。采用平方根模型和二次多項式模型建立饅頭中金黃色葡萄球菌的二級生長模型，并對該模型進行驗證。結果表明，SGompertz模型能較好地擬合饅頭中金黃色葡萄球菌的生長。以μmax建立的平方根和二次多項式模型，R2分別為0.931 5和0.932 0，偏差因子(Bf)分別為1.123 2和1.050 1，準確因子(Af)分別為1.221 0和1.190 2，表明采用μmax進行擬合時，二次多項式模型的擬合效果較好；以遲滯期λ建立的平方根和二次多項式模型，R2分別為0.948 4和0.969 6，Bf分別為0.890 1和0.912 2，Af分別為1.541 1和1.180 3，表明采用遲滯期λ進行擬合時，二次多項式模型的擬合效果較好。本研究可為饅頭等傳統(tǒng)面制品的定量風險評估提供參考。

一級生長模型；二級生長模型；金黃色葡萄球菌；饅頭

金黃色葡萄球菌 (Staphylococcusaureus) 隸屬于葡萄球菌屬(Staphylococcus)，不僅能夠引起皮膚感染[1-2]，還容易導致細菌性食物中毒[3-8]。金黃色葡萄球菌的部分菌株可產(chǎn)生致病性腸毒素，該毒素是一種堿性蛋白，在高溫下很難消除，可耐受100 ℃煮沸30 min而不被破壞[9-13]，其引起的中毒癥狀嚴重。饅頭是一類傳統(tǒng)面制品，營養(yǎng)豐富，水分活度高，且加工銷售條件粗放，極適于金黃色葡萄球菌的生長，饅頭中金黃色葡萄球菌不合格的現(xiàn)象時有發(fā)生。我國目前已建立的微生物生長預測模型大部分在培養(yǎng)基上完成，無法克服食品基質本身對微生物生長的影響，并且絕大部分只針對肉制品[14-17]、乳制品和蛋類等食品，對饅頭這類傳統(tǒng)特色面制品的研究較少。因而本研究選用SGompertz和SLogistic作為饅頭中金黃色葡萄球菌的一級生長模型，應用Origin 9.0軟件分別擬合金黃色葡萄球菌在10、15、25、30和37 ℃的生長數(shù)據(jù)，并以此獲得最大比生長速率(μmax)和遲滯期(λ)。在此基礎上，采用平方根模型和二次多項式模型建立饅頭中金黃色葡萄球菌的二級生長模型，研究結果可為饅頭等傳統(tǒng)面制品的定量風險評估提供參考。

1 材料與方法

1.1 材料

1.1.1 菌種來源、培養(yǎng)基及試劑 金黃色葡萄球菌菌株ATCC6538，購自廣東省微生物研究所；饅頭購自楊浦區(qū)的小型食品零售店面；Baird-Parker 瓊脂平板、腦心浸出液肉湯(BHI)、亞碲酸鉀卵黃增菌液、無菌均質袋,青島高科園海博生物技術有限公司生產(chǎn)；氯化鈉、硫酸鉀、硫酸銨、氯化鋇、氯化鉀(分析純試劑)，購自國藥集團化學試劑有限公司。

1.1.2 儀器與設備 SW-CJ-1FD型潔凈工作臺，蘇凈集團蘇州安泰空氣技術有限公司；YXQ-LS-75SⅡ型立式壓力蒸汽滅菌鍋，上海博迅實業(yè)有限公司；DHG-9203A型電熱恒溫鼓風干燥箱，上海華連醫(yī)療器械有限公司；SCIENTZ-09無菌均質器，寧波新芝生物科技股份有限公司；HWS-150 型恒溫恒濕培養(yǎng)箱，上海比朗儀器有限公司；BCD-226K50型冰箱，TCL集團股份有限公司；XW-80A型漩渦混合器，上海精科實業(yè)有限公司；FA2204B型電子天平，上海精密科學儀器有限公司。

1.2 方法

1.2.1 樣品制備、接種 將金黃色葡萄球菌接種到BHI營養(yǎng)液中，每隔一段時間取出，在600 nm下測吸光值，同時用平板計數(shù)法計數(shù)，建立吸光值與細菌數(shù)量之間的線性關系。當菌種原液濃度至108cfu/mL(OD600=0.15)時，用無菌生理鹽水將其梯度稀釋至104～105cfu/mL。 每份饅頭樣品取10 g，將其置于無菌托盤中，在無菌操作臺中正反面紫外殺菌各30 min。 取1 mL稀釋過的菌液均勻涂抹于殺菌后的饅頭上，使初始接種量為103～104cfu/g。將接種后的饅頭樣品分別置于無菌均質袋中，置于10、15、25、30和37 ℃的恒溫培養(yǎng)箱中培養(yǎng)不同的時間。

1.2.2 金黃色葡萄球菌計數(shù)及理化指標的測定 到達預設的培養(yǎng)時間后，從培養(yǎng)箱中取出無菌均質袋。將 90 mL無菌生理鹽水加入均質袋中，用均質機均質2 min。將均質液梯度稀釋后，按照GB4789.10-2010《食品微生物學檢驗 金黃色葡萄球菌檢驗》中的平板計數(shù)法測定菌落數(shù)。

1.2.3 饅頭中金黃色葡萄球菌一級生長模型的建立 根據(jù)實驗得到的饅頭中金黃色葡萄球菌在不同溫度下的生長數(shù)據(jù)，選擇修正的 Gompertz (a)和修正的 Logistic 模型[18-21](b)為一級模型，用 Origin 9.0 軟件擬合饅頭在不同溫度下的金黃色葡萄球菌的生長數(shù)據(jù)，根據(jù)擬合得到的模型參數(shù)，SGompertz模型選用(c)計算出μmax和(d)計算出λ。SLogistic模型選用(e)計算出μmax和(f)計算出λ。

lg(Nt/N0)=a×exp{-exp[-k×(t-xc)]} (a)

lg(Nt/N0)=a/{1+exp[-k×(t-xc)]} (b)

μmax=a×k/e(c)

λ=xc-1/k(d)

μmax=a×k/4 (e)

λ=xc-2/k(f)

式中：Nt、N0分別表示在時間t時和初始時間的微生物的數(shù)量(cfu/g)；k為在時間xc的相對生長速率(斜率)；μmax為最大比生長速率(lg(cfu/g)/h)；a為穩(wěn)定期微生物數(shù)量與接種時刻微生物數(shù)量的差值；λ為遲滯期(h)；xc為達到相對最大生長速率所需的時間(h)。

1.2.4 饅頭中金黃色葡萄球菌二級生長模型的建立 根據(jù)一級模型參數(shù)計算得到饅頭中金黃色葡萄球菌的λ和μmax，利用平方根模型(Square Root model)(g、h)和二次多項式模型[22](Quadratic Polynomial model)(i)分別擬合它們與溫度之間的關系，關系式如下：

μmaxorλ=a+bT+cT2(i)

式中：T是實驗中的生長溫度(℃)；Tmin是理論上金黃色葡萄球菌生長的最低溫度；μmax為最大比生長速率(lg(cfu/g)/h)；λ是遲滯期(h)；a、b、c為模型的參數(shù)。

1.2.5 模型的可靠性評價 根據(jù)相關系數(shù)R2，并適當結合殘差平方和RSS，可判斷一級模型擬合程度的好壞。選擇相關系數(shù)R2、準確因子Af(k)、偏差因子Bf(j)對二級模型預測效果進行驗證和評價[23-24]。一般情況，偏差因子在0.75～1.25之間時，模型可接受；準確因子在1.1～1.9之間時，模型可接受。

式中：observed表示實驗實際測得的值；predicted表示根據(jù)所得模型預測得到的值；n代表觀測值個數(shù)(實驗次數(shù))。

2 結果與分析

2.1 饅頭中金黃色葡萄球菌的一級生長預測模型

采用SGompertz和SLogistic模型，應用Origin 9.0軟件分別對金黃色葡萄球菌在5個溫度下的生長情況進行擬合(見圖1～5)，并由此得到相應的模型擬合參數(shù)(見表1)。結果表明，SGompertz模型和SLogistic模型都能較好地擬合饅頭中金黃色葡萄球菌在不同溫度下的生長狀況，SGompertz模型得到的10、15、25、30和37 ℃下的的R2值分別為0.996 8、0.997 8、0.999 1、0.999 1、0.997 0，RSS值分別為0.247 9、0.113 4、0.045 4、0.127 4、0.113 1。SGompertz模型的擬合度較高，且優(yōu)于SLogistic模型，因此選擇其作為金黃色葡萄球菌的最適一級生長模型，并由此計算出最大比生長速率和遲滯期。由表3可見，隨著溫度的增加，金黃色葡萄球菌在饅頭中的最大比生長速率呈上升趨勢，而遲滯期呈下降趨勢。

圖1 SGompertz模型和SLogistic模型擬合的饅頭中金黃色葡萄球菌在10 ℃的生長曲線Fig.1 Growth curves of Staphylococcus aureus in steamed bun at 10 ℃ from SGompertz and SLogistic model

圖3 SGompertz模型和SLogistic模型擬合的饅頭中金黃色葡萄球菌在25 ℃的生長曲線Fig.3 Growth curves of Staphylococcus aureus in steamed bun at 25 ℃ from SGompertz and SLogistic model

圖4 SGompertz模型和SLogistic模型擬合的饅頭中金黃色葡萄球菌在30 ℃的生長曲線Fig.4 Growth curves of Staphylococcus aureus in steamed bun at 30 ℃ from SGompertz and SLogistic model

圖5 SGompertz模型和SLogistic模型擬合的饅頭中金黃色葡萄球菌在37 ℃的生長曲線Fig.5 Growth curves of Staphylococcus aureus in steamed bun at 37 ℃ from SGompertz and SLogistic model

表1 饅頭中金黃色葡萄球菌的一級生長模型擬合參數(shù)

Table 1 The fitting parameters of Primary growth model ofStaphylococcusaureusin the steamed bun

溫度/℃模型分類系數(shù)axckRSSR210SGompertz4.3958105.54710.01880.13910.9968SLogistic4.2564126.55700.02980.24790.994315SGompertz5.069146.06390.04920.16470.9978SLogistic4.961155.06110.07650.11340.998525SGompertz4.81089.12520.22360.03910.9991SLogistic4.748110.72850.39710.04540.998930SGompertz4.97286.50020.32340.04070.9991SLogistic4.93327.88410.50930.12740.997337SGompertz4.96915.77890.34130.12800.9970SLogistic4.91417.06440.52940.11310.9973

表2 饅頭中金黃色葡萄球菌的最適一級生長模型

Table 2 The optimal primary growth model ofStaphylococcusaureusin the steamed bun

溫度/℃SGompertz模型方程10lgNt=3.39+4.3958exp{-exp[-0.0188(t-105.5471)]}15lgNt=3.12+5.0691exp{-exp[-0.0492(t-46.0639)]}25lgNt=3.30+4.8108exp{-exp[-0.2236(t-9.1252)]}30lgNt=3.08+4.9728exp{-exp[-0.3234(t-6.5002)]}37lgNt=3.31+4.9691exp{-exp[-0.3413(t-5.7789)]}

表3 SGompertz模型得到的不同溫度下的生長參數(shù)

Table 3 Kinetic growth parameters estimated by the SGompertz model at different temperatures

溫度/℃μmax/lg(cfu/g)/hλ/h100.030452.2989150.091725.7222250.39584.6538300.59163.4079370.62392.8488

2.2 饅頭中金黃色葡萄球菌的二級生長預測模型

分別采用平方根和二次多項式模型作為二級模型，應用Origin 9.0軟件分別對最大比生長速率、遲滯期與溫度的關系進行擬合，結果如圖6、7所示。

由圖6、7可見，平方根模型和二次多項式模型都能較好地擬合溫度與μmax及λ之間的關系。二次多項式模型的擬合結果較優(yōu)，采用其擬合溫度與μmax之間的關系時，R2為0.932 0；采用其擬合溫度與λ之間的關系時，R2為0.969 6，因此選擇二次多項式模型為金黃色葡萄球菌的最適二級模型。

2.3 模型評價

利用偏差因子Bf和準確因子Af驗證模型的可靠度。Bf值在0.75～1.25范圍之內，Af在1.1～1.9之間，通常認為該模型可以被接受。Af和Bf值越接近1，模型越可靠。R2則用來評價模型的擬合度，R2越接近1說明預測模型擬合度越好。因此，本研究采用R2、Bf和Af對所建的平方根模型和二次多項式模型進行評價，結果如表4所示。由表4可知，在對饅頭中金黃色葡萄球菌生長溫度與最大比生長速率μmax之間的關系進行擬合時，平方根模型的Bf為1.123 2，Af為1.221 0，R2為0.931 5，二次多項式模型的Bf為1.050 1，Af為1.190 2，R2為0.932 0，由此可見，二次多項式模型的Bf和Af更接近于1，且R2更接近于1，因此采用μmax進行擬合時二次多項式模型的預測效果較好。

圖6 平方根模型(a)和二次多項式模型(b)擬合的饅頭中μmax與生長溫度的關系曲線Fig.6 Square Root model(a) and Quadratic Polynomial model (b)of the maximum growth rate of Staphylococcus aureus at different temperatures in the steamed bun

圖7 平方根模型(a)和二次多項式模型(b)擬合的饅頭中λ與生長溫度的關系曲線Fig.7 Square Root model(a) and Quadratic Polynomial model (b)of the lag time of Staphylococcus aureus at different temperatures in the steamed bun

生長參數(shù)模型類型方程BfAfR2μmax平方根模型μmax=0.0248(T-1.9283)1.12321.22100.9315μmax二次多項式模型μmax=-2.9674×10-4T2+0.0384T-0.36051.05011.19020.9320λ平方根模型1/λ=0.0184(T-2.4365)0.89011.54110.9484λ二次多項式模型λ=0.1112T2-6.9219T+108.17690.91221.18020.9696

在對饅頭中金黃色葡萄球菌生長溫度與遲滯期λ之間的關系進行擬合時，平方根模型的Bf為0.890 1，Af為1.541 1，R2為0.948 4，二次多項式模型的Bf為0.912 2，Af為1.180 2，R2為0.969 6，由此可見二次多項式模型的Bf和Af更接近于1，且R2更接近于1，因此采用λ進行擬合時二次多項式模型的預測效果較好。

3 討 論

SGompertz模型能較好地擬合饅頭中金黃色葡萄球菌在不同溫度(10、15、25、30和37 ℃)下的生長，其R2值都在0.99以上，RSS值均小于0.37，因此選擇SGompertz模型為金黃色葡萄球菌的一級生長預測模型。在對金黃色葡萄球菌生長溫度與其最大比生長速率之間的關系進行擬合時，二次多項式模型的Bf為1.050 1，Af為1.190 2，R2為0.932 0，均接近于1，因此選擇二次多項式模型預測饅頭中金黃色葡萄球菌在不同溫度下的最大比生長速率，對應的二次多項式模型為μmax=-2.967 4×10-4T2+0.038 4T-0.360 5。在對金黃色葡萄球菌生長溫度與其遲滯期之間的關系進行擬合時，二次多項式模型的Bf為0.912 2，Af為1.180 2，R2為0.969 6，因此選擇二次多項式模型預測饅頭中金黃色葡萄球菌在不同溫度下的生長遲滯期，相應的二次多項式模型為λ=0.111 2T2-6.921 9T+108.176 9。本研究可為饅頭等傳統(tǒng)面制品的定量風險評估提供參考。

[1] Isabel CM Fensterseife，Osmar N Silva，Uru Malik，et al．Effects of cyclotides against cutaneous infections caused byStaphylococcusaureus[J]．Peptides，2015，63：38-42．

[2] Effat Abbasi Montazeri，Azar Dokht Khosravi，Abbas Jolodar，et al．Identification of methicillin-resistantStaphylococcusaureus(MRSA) strains isolated from burn patients by multiplex PCR[J]．Burns，2015，41(3)：590-594．

[3] 許振偉，韓奕奕，孟瑾，等．熟食肉制品中金黃色葡萄球菌風險評估基礎研究[J]．包裝與食品器械，2012，30(5)：40-41．

[4] Tara C Smith，Shylo E Wardyn．Human Infections withStaphylococcusaureusCC398[J]．Current Environmental Health Reports，2015，2(1)：41-51．

[5] Guanghui Li，Congming Wu，Xin Wang，et al．Prevalence and characterization of methicillin susceptibleStaphylococcusaureusST398 isolates from retail foods[J]．International Journal of Food Microbiology，2015，196：94-97．

[6] P DiCiccio，A Vergara，A R Festino，et al．Biofilm formation byStaphylococcusaureuson food contact surfaces: Relationship with temperature and cell surface hydrophobicity[J]．Food Control，2015，50：930-936．

[7] Nielsen LH，Jensen-Fangel S，Benfield T，et al．Risk and prognosis ofStaphylococcusaureusbacteremia among individuals with and without end-stage renal disease: a Danish, population-based cohort study[J]．BMC Infect Dis，2015，15(1)：6．

[8] Brittany L Fries，Carmelo Licitra，Antonio Crespo，et al．Infectious Diseases Consultation and the Management ofStaphylococcusaureusBacteremia[J]．Clinical Infectious Diseases，2014，58(4)：598-599．

[9] Balaban N， Rasooly A． Staphylococcal enterotoxins review[J]．International Journal of Food Microbiology， 2000，61(1)：1-10．

[10]V Carfora，A Caprioli，N Marri，et al．Enterotoxin genes, enterotoxin production, and methicillin resistance inStaphylococcusaureusisolated from milk and dairy products in Central Italy[J]．International Dairy Journal，2015，42：12-15．

[11]Sakai F，Ihara H，Aoyama K，et al．Characteristics of enterotoxin H-producingStaphylococcusaureusisolated from clinical cases and properties of the enterotoxin productivity[J]．Journal of food protection，2008，71(9)：1855-1860．

[12]Jing Hui，Yan Cao，F(xiàn)ang Xiao，et al．Staphylococcusaureusenterotoxin C2 mutants: biological activity assay in vitro[J]．Journal of Industrial Microbiology and Biotechnology，2008，35(9)：975-980．

[14]龍文玲，姚開，賈冬英，等．肉制品預測微生物模型的研究進展[J]．食品科技，2007，2007(6)：27-30．

[15]劉超群，王宏勛，侯溫甫．低溫肉制品微生物控制與預測模型應用研究進展[J]．食品科學，2009，30(21)：481-484．

[16]李苗云，田璐，趙改名，等．肉品微生物生長預測模型研究進展[J]．肉類研究，2012，26(12)：20-24．

[17]李飛燕，梁榮蓉，羅欣，等．冷卻肉中微生物生長模型和貨架期預測模型的研究進展[J]．食品科學，2009，30(z1)：172-177．

[18]Alejandra Tomac，Rodolfo Horacio Mascheroni，María Isabel Yeannes．Modelling the effect of gamma irradiation on the inactivation and growth kinetics of psychrotrophic bacteria in squid rings during refrigerated storage. Shelf-life predictions[J]．Journal of Food Engineering，2013，117(2)：211-216．

[19]Sagdic，Osman．Kinetic Modeling ofEscherichiacoliO157:H7 Growth in Rainbow Trout Fillets as Affected by Oregano and Thyme Essential Oils and Different Packing Treatments[J]．International Journal of Food Properties，2014，17(2)：371-385．

[20]Liang Shen，Zhongtao An，Qingbiao Li，et al．Three-stage fermentation and kinetic modeling of bioflocculant byCorynebacteriumglutamicum[J]．Chinese Journal of Chemical Engineering，2015，23(1)：219-226．

[21]Ting Fang，Lihan Huang．Growth and survival kinetics ofListeriamonocytogenesin cooked egg whites[J]．Food Control，2014，36(1)：191-198．

[22]Z Hamidi-Esfahani，S A Shojaosadati，A Rinzema．Modelling of simultaneous effect of moisture and temperature onA.nigergrowth in solid-state fermentation[J]．Biochemical Engineering Journal，2004，21(3)：265-272．

[23]Ross T．Indices for performance evaluation of predictive model in food microbiology[J]． Journal of Applied Microbiology，1996，81(5)：501-508．

[24]Te-Giffel M C， Zwietering M H．Validation of predictive models describing the growth ofListeriamonocytogenes[J]． International Journal of Food Microbiology，1999， 46(2)： 135-149．

Establishment of Growth Model ofStaphylococcusaureusin Steamed Buns

WANG Ting-ting1, CAO Hui1, XU Fei1, YUAN Min1, YU Jin-song1,LI Jie2, PENG Shao-jie2, WANG Li-wei2

(1.Schl.ofMed.Instrum't&FoodEngin.,ShanghaiUni.ofSci. &Engin.,Shanghai200093;2.Inst.ofFood&DrugInspect.,Shanghai200233)

Traditional flour product of steamed bun was chosen as the object of study. Using the revised Gompertz (SGompertz) and revised Logistic (Slogistic) as a primary growth model to describe growth ofStaphylococcusaureusin steamed buns at different temperatures. In order to obtain the maximum specific growth rate (μmax) and lag phase (λ), Origin 9.0 software was used to fit the growth curve ofS.aureuswith variable storage temperatures (10 ℃, 15 ℃, 25 ℃, 30 ℃, and 37 ℃) and the square root model combine with quadratic polynomial model was used as a secondary growth model ofS.aureusand then the model was verified. The results showed that, SGompertz model can well fit the growth ofS.aureusin steamed buns. Theμmaxand λ values obtained from the SGompertz model were used to establish the secondary growth models. When μmaxwas used as an argument to establish the square root models and quadratic polynomial models respectively,R2values were 0.931 5 and 0.932 0 respectively;Bf1.123 2 and 1.050 1 respectively;Af1.221 0 and 1.190 2 respectively; suggested the quadratic polynomial model could better be employed to predictμmax. When λ was used as an argument to establish the square root models and quadratic polynomial models respectively,R2values were 0.948 4 and 0.969 6 respectively;Bf0.890 1 and 0.912 2 respectively;Af1.541 1 and 1.180 2 respectively; suggested the quadratic polynomial model could better be employed to predict λ. This study can provide theoretical basis for quantitative risk assessment in steamed buns and other traditional flour products.

primary growth model; secondary growth model;Staphylococcusaureus; steamed buns

上海市科委重點攻關項目(13391901400-3)

王亭亭 女，碩士研究生。研究方向為食品安全風險評估。E-mail：wang151ting@163.com

* 通訊作者。女，博士，教授，博士生導師。研究方向為食品安全風險評估。E-mail：xufei.first@263.net

2015-07-08；

2015-08-22

Q939.97;TS201.3

A

1005-7021(2015)06-0049-07

10.3969/j.issn.1005-7021.2015.06.009