Академический Документы
Профессиональный Документы
Культура Документы
Obtencin de de datos datos cinticos cinticos y y modelos modelos matemticos matemticos Obtencin de inactivacin inactivacin y y crecimiento crecimiento de
COMMISSION REGULATION (EC) No 2073/2005 of 15 November 2005 on microbiological criteria for foodstuffs Article 3 As necessary, the food business operators responsible for the manufacture of the product shall conduct studies in accordance with Annex II in order to investigate compliance with the criteria throughout the shelf-life. In particular, this applies to ready-to-eat foods that are able to support the growth of Listeria monocytogenes and that may pose a Listeria monocytogenes risk for public health.
Annex II
When necessary on the basis of the above mentioned studies, the food business operator shall conduct additional studies, which may include: predictive mathematical modelling established for the food in question, using critical growth or survival factors for the micro-organisms of concern in the product,
Obtencin de de datos datos cinticos cinticos Obtencin Termo-resistencia Termo-resistencia Baro-resistencia Baro-resistencia Pulso-resistencia Pulso-resistencia
Generalidades sobre sobre los los modelos modelos Generalidades matemticos predictivos predictivos matemticos
El mtodo ms antiguo parti de la conservacin por calor y es lo que se denomina: Inoculacin experimental de envases
La tcnica tiene inconvenientes: ) Es cara ) Es lenta ) Requiere habilidades microbiolgicas y laboratorios ) Cuando se cambia la formulacin de un producto o un perfil tiempo-temperatura, es necesario repetir el test de desafo
La alternativa es entender con ms profundidad la respuesta de los microorganismos a los factores medioambientales del alimento y desarrollar la forma de interpolar respuestas microbiolgicas mediante clculo
Microbiologa Predictiva
Microbiologa Predictiva
Campo de estudio que combina elementos de microbiologa, matemticas y estadstica para desarrollar modelos que describan y predigan matemticamente el crecimiento o muerte de los microorganismos, cuando se les somete a condiciones medioambientales especficas (Whiting, 1995).
"Los modelos son descripciones simplificadas de la realidad "La realidad descrita por el modelo se denomina Espacio Modelo
" Los modelos deben reflejar lo que est pasando y deben ser capaces de predecir con precisin los estados presente y futuro de las cosas que describen " Hay que ser conscientes de que un modelo no puede dar una representacin total de la realidad. Un modelo particular puede describir algn aspecto de forma muy adecuada mientras que falla en la descripcin de otro
Suposiciones en modelizacin Espacio Modelo: No se puede modelizar todo, hay que escoger la parte de la realidad que se quiere modelizar. A esto se le llama espacio modelo y no tiene conexin con el resto de la realidad realidad espacio modelo
Espacio modelo: Se define como todos los factores que juegan un papel en la determinacin del fenmeno bajo estudio, los conocidos y no conocidos
Fenmeno: Los modelos se usan para describir relaciones entre variables dependiente e independientes. V. dependiente Relacin V. Independientes Fenmeno
Para poder modelizar un fenmeno en un espacio modelo determinado es necesario entender la relacin entre las variables dependiente e independientes. Este ejercicio ayudar a elegir el modelo apropiado Variables dependientes: tiempo de tratamiento Variables independientes: Nmero final de microorganismos
Microbiologa predictiva El objetivo de la microbiologa predictiva es conseguir un Espacio Modelo para describir un Fenmeno de forma matemtica o probabilstica Espacio modelo Medioambiente Temperatura pH aw Respuesta microbiana Crecimiento Inactivacin
Fenmeno
La microbiologa predictiva no revela, generalmente, comportamientos inesperados de los microorganismos. La microbiologa predictiva cuantifica los efectos de la interaccin entre dos o ms factores y permite la interpolacin de combinaciones de factores no comprobados de forma explcita
Clasificacin de los modelos Modelos de nivel primario: Modelo de Bigelow Modelos de nivel secundario: Superficie de respuesta Modelos de nivel terciario: Tejedor y Martnez
Los modelos de nivel primario describen cambios en el nmero de microorganismos u otras respuestas microbianas con el tiempo.
conc. conc.(log10 (log10cfu/ml) cfu/ml)
10 10 88 66 44 22 00 00
inactivacin
10 10 88 66 44 22 00
crecimiento
0.1 0.1
0.2 0.2
0.3 0.3
0.4 0.4
00
10 10
20 20
30 30
Los modelos secundarios describen las respuestas de los parmetros de los modelos Primarios (D, , ) a los cambios en las condiciones medioambientales superficie de respuesta
-1 -1 -1.4 -1.8 -2.2 -2.6 1 2 5.6 6 4 5 6.8 6.4
Ln(spec.g.rate)
Na 3 (% Cl )
pH
Los modelos terciarios son programas de ordenador que transforman a los modelos primarios y secundarios en herramientas de facil uso para los usuarios del modelo
Inactivacin
crecimiento
Consideraciones en el desarrollo de un modelo " Precisin en el ajuste. " Capacidad de predecir combinaciones de factores no probadas. " Incorporacin de todos los factores relevantes. " Que tenga el mnimo nmero de parmetros. " Especificacin del trmino de error. " Los parmetros deben tener un significado biolgico y valores realistas. " Reparametrizacin si se mejoran las propiedades estadsticas.
Log N
experimental predicho
118
128
Cerrado a la llama
Tratamiento trmico
Siembra y recuento
Fase estacionaria
Bao calentamiento
Bao enfriamiento
Detalle termorresistmetro
Modelos de inactivacin: Velocidad alta de muerte de los microorganismos por la accin de un agente activo Modelos de supervivencia: Disminucin de la carga microbiana de forma mas lenta y no implica esterilidad comercial Los modelos matemticos son los mismos en ambos casos
Modelos primarios A) Modelos logartmicos La modelizacin matemtica comenz en 1920 con los clculos de tiempo de destruccin trmica. Los valores D y Z se usaron con xito para asegurar que los alimentos enlatados estaban libres de riesgo de alteracin por Cl. botulinum Estos modelos establecen la relacin existente entre el tiempo y la inactivacin de un microorganismo a una temperatura dada.
Los datos experimentales para la obtencin de los parmetros, D y Z, que definen la inactivacin de los microorganismos se pueden analizar de diferentes maneras: " Dos regresiones lineales consecutivas " Una regresin no lineal en un solo paso
3 2 DT 1
Tiempo de exposicin
Log DT
DT2 DT1 z
T1 T2 Temperatura
log(D2) log(D1) 1 = T1 T2 Z
log N = log No
1 DR 10
TR T z
Temperature (C)
Linear 85 90 95 100 105
a 165 3.90.7 0.940.17 0.220.06
D value (min)
AV TZ415 Non-linear
a 17.10.5 4.040.08 0.950.02 0.007 0.225
AV Z421 Linear
ND
Non-linear
ND
a 393 9.80.5 2.480.06 0.630.03 8.40.2
ND
ND
z (C)
ND not determined.
a
8.10.3
7.970.10
Curvas de equivalencia
Log (No/N) observed
3 2.5 2 1.5 1 0.5 0 0 0.5 1 1.5 2 2.5
25 20 15 10 5
Frequency
Frequency
SSQ =
i =1
No No log log m N N f
9.1
8.7
z (C)
8.3
90C
7.9
AV TZ415
95C
AV Z421
D (min)
14 12 10 8
115 C
10 8 6 1 2 3
D (min)
8
D (min)
10
12
14 12
Z (C)
14
121 C
125 C
12
Z (C)
10 8 6
1 1,2 1,4 1,6 D (min) 1,8 2
10 8 6 0 1 2
D (min)
Log. supervivientes
3
Lineal
2 1
Cola
Tiempo de exposicin
Los hombros se han atribuido: a la necesidad de mas de un evento daino a la necesidad de una activacin de las esporas
Presencia de colas
Distribucin de termorresistencia
La curva de supervivencia es una forma acumulativa de distribucin de eventos letales con el tiempo
0.001
AVTZ415 strain
95C
0.0001
100C
Funcin de supervivencia
MODELO DE WEIBULL
S(t)
= e
t - a
a= Scala n= Forma
El parmetro de forma n se puede considerar como un ndice de comportamiento Si n >1 describe una curva con hombro Si n < 1 describe una curva con cola Si n = 1 la curva de supervivencia sera lineal en coordenadas semilogartmicas y se comportar como una reaccin de primer orden El parmetro de escala ase puede considerar como una constante de velocidad de reaccin. Similar al Valor D
Curvas de supervivencia
1.00 0.80 0.60
S(t) (N/No)
0.40 102.5C 0.20 105C 0.00 0.00 3.20 6.40 9.60 12.80 16.00
Time (min)
tc = a 1 + n
= Funcin Gama
-1
(min) 0 4 8 12 16 Af
D (min)
a 14 5
Fraccin supervivientes
Tiempo (min)
Time (min)
M todos no rmicos Mtodos noisot isotrmicos Ventajas todos no rmicos Ventajasde delos losm mtodos noisot isotrmicos Se obtiene una gran informacin de cada experimento Se ahorra tiempo Se ahorra material y costo en mano de obra Son mas cercanos a lo que en realidad pasa en un proceso industrial
Ecuacin 2
T T0 10 1 T0 TR No z z = 10 Log N DR ln 10 a z
a=Velocidad de calentamiento
Bacillus stearothermophilus
7 6 5 Log N 4 3 2 1 0 116 118 120 122 124 126 128 experimental predicho
Temperatura (C)
80 70 60 50 Frecuencia 40 30 20 10 0 -0.4
Distribucin de residuos
-0.2
0.2
0.4
z (C)
D (min)
Bacillus cereus
Temperature (C) 85 90 95 100 z ( C) Af
b
D (min) non-isothermal 16.0 3.93 0.96 0.236 8.19 1.11 Isothermal 17.1 4.04 0.95 0.225 7.97
a a a
Los modelos secundarios describen las respuestas de los parmetros de los modelos primarios a los cambios en las condiciones medioambientales
superficie de respuesta
-1 -1 -1.4 -1.8 -2.2 -2.6 1 2 5.6 6 4 5 6.8 6.4
Ln(spec.g.rate)
Na 3 (% Cl )
pH
Modelos secundarios
Tanto los parmetros que definen las curvas de Inactivacin D z, como los que definen las curvas De crecimiento , se ven afectados por factores Mediombientales pH, ClNa, aw, entre otros.
Los modelos probabilsticos o matemticos que relacionan las variables dependientes, parmetros cinticos, con los factores medioambientales son los denominados modelos secundarios
Lnk = c0+(c1/T)+c2pH+c3(pH)2+
LogD = LogD*-(1/zT)(T-T*)-(1/zpH)2(pH-pH*)2+
LogD = c1+c2T+c3pH+c4(TpH)+c5T2+c6(pH)2 +
LogD = c1+c2T+c3pH+
Microorganismo de coleccin
Condiciones de recuperacin
Microorganismo de coleccin
Se obtiene de colecciones tipo en forma liofilizada: CECT (Coleccin Espaola de Cultivos Tipo) ATCC (American Type Culture Collection)
Condiciones de recuperacin
Siguiendo las instrucciones de la coleccin: Transferir el lifilo a medio lquido de referencia para el microorganismo a su temperatura de crecimiento
Microbiologa predictiva
Diseo Experimental
Obtencin de Datos
Ajustar Curvas
Determiar Cinticas
Validar
A b so rb an cia
Fase Latencia
2 4 6
Los modelos de nivel primario describen cambios en el nmero de microorganismos u otras respuestas microbianas con el tiempo.
10 10
88 66 44 22 00
crecimiento
00 10 10 20 20 30 30
8 6 4 2 0 0
Constant spec.rate
10
20
30
time (h)
Tipo de modelos
Crecimiento/no crecimiento Es la situacin mas simple El parmetro a medir es el tiempo desde la inoculacin hasta la aparicin de turbidez o formacin de toxina Son modelos sofisticados a travs de los cuales se deducen distintos parmetros que definen el crecimiento de la bacteria
Modelos de crecimiento
Tiempo formacin toxina Heat time 27 27 27 27 27 156.7 156.7 156.7 156.7 156.7 C. botulinum Inc.temp Prediction (ln) Prediction (days) 6 3.17 23.78 8 2.73 15.40 10 2.33 10.31 12 1.97 7.14 25 0.38 1.47 6 3.47 32.05 8 3.04 20.90 10 2.65 14.09 12 2.28 9.82 25 0.75 2.11
=(4.61+0.00228*A7-0.276*B7+0.000026*(A7*B7)0.000000724*(A7)^2+0.00415*(B7)^2)
Exponencial Logstico
ln( N ) = ln( N 0 ) + t
ln( N ) = ln( N 0 ) + a [1 + exp (b cx )]
Gompertz
Baranyi
Modelos de crecimiento El modelo primario ms utilizado ha sido la ecuacin de Gompertz. La ecuacin es una funcin doble exponencial con cuatro parmetros que describe una curva sigmoidea asimtrica
Yt=A*Cexp{-exp[-B(t-M)]}
Yt= logartmo de UFC por mililitro en el tiempo t A= logartmo de la concentracin inicial C= Cambio en el nmero de clulas entre el inculo y la fase estacionaria B= ritmo de crecimiento relativo M= tiempo al que se alcanza el ritmo mximo de crecimiento
Ln Xmax
BC/e A M C
Ln X0
M-(1/B)
lag (tiempo)
Los cuatro parmetros se pueden relacionar matemticamente con caractersticas culturales familiares a los microbilogos.
= Velocidad de crecimiento exponencial {[log(cfu/g)]/hr}
Los parmetros de la funcin de Gompertz se pueden determinar mediante una regresin no lineal, tal como se haca para la determinacin de los parmetros de las curvas de inactivacin
Para un buen ajuste se necesitan como mnimo 10 puntos por curva de crecimiento
La ecuacin de Gompertz ha sido reparametrizada para poder obtener los parmetros , directamente (Zwietering y col).
Modelo de Baranyi y Robert Para solucionar los defectos del modelo de Gompertz Baranyi y Robert proponen un modelo nuevo.
Incluye una fase de crecimiento exponencial lineal (x) Incluye una fase de latencia que se calcula mediante una funcin de ajuste (t)
y (t ) = y o + max
m max A (t ) 1 e 1 1 + m ( y max y o ) A (t ) ln m e
Yo=lnx(to) logartmo de la concentracin de clulas a tiempo 0 ymax=lnxmax logartmo de la concentracin mxima de clulas m= Parmetro de curvatura
A(t ) = t +
ln e
max t
+e
ho
vt ho
max
ho= -ln o
z1 (t0 ) o = K z + z1 (to )
o= Estado fisiolgico de las clulas a tiempo 0 Z1(t)= La cantidad por clula de una sustancia crtica que causa un cuello de botella en el crecimiento
0.1
temperature (C)
Los modelos secundarios de crecimiento se pueden Agrupar en tres categoras: ) Modelos de raiz cuadrada (Blenrdek) ) Modelos basados en la ecuacin de Arrhenius (Davey) ) Modelos polinomiales o de superficie de respuesta
Lineal Polinmicos
b c ln ( ) = a + + 2 + daw + eaw 2 T T
Raz cuadrada
k = a (T T0 )
Superficie de respuesta
Es una ecuacin de regresin ajustada usando tcnicas de regresin normales y que puede contener trminos lineales, cuadrticos, cbicos incluyendo interacciones.
La ecuacin es totalmente descriptiva del grupo particular de datos usados para su clculo y sin implicar relaciones Tericas o mecansticas.
Ejemplos
Se han utilizado ecuaciones polinmicas para Predecir el valor de los parmetros B y M de la Ecuacin de Gompertz en funcin del pH, Atmsfera anaerbica y aerbica, la concentracin de NaCl y la temperatura de almacenamiento en Salmonella y Listeria (Gibson y col 1988, Buchanan y col 1989)
Los modelos actuales son deterministas Evolucin Modelos probabilsticos que describan la Variabilidad y las incertidumbre
N bt n N = exp 0
Modelo de Weibull
Clostridium sporogenes
Para conseguir conseguir alargar alargar la la vida vida del del alimento alimento Para pH pH Tratamiento trmico trmico suave suave Tratamiento MAP + MAP + Baja actividad actividad de de agua agua Baja Antimicrobianos naturales naturales Antimicrobianos Conservadores (ClNa, (ClNa, NO NO Conservadores )) 22 Refrigeracin Refrigeracin
Dao subletal: Primeros estudios aseguraban que el efecto de las tecnologas emergentes sobre los microorganismos era un caso de todo o nada (Simpson et al. 1999; Dutreux et al. 2000; Russell et
al. 2000; Ravishankar et al. 2002; Ulmer et al. 2002; Wuytack et al. 2003)
Estudios posteriores ya indican la presencia de clulas con dao subletal a ciertas condiciones de tratamiento (Aronsson et
al. 2004; Lado et al. 2004; Yaqub et al. 2004; Garca et al. 2005, 2006, 2007; Rodrigo et al. 2007).
Technology Heat High Pressure Electric Pulsed Fields Ionizing Radiations UV light Natural Antimicrobials
Mechanism of inactivation Protein, DNA, RNA denaturisation Changes in membrane structure and functionality Changes in membrane structure and functionality DNA, RNA denaturisation DNA, RNA denaturisation Changes in membrane structure and functionality
Possible hazard for food safety Mutation Transformation Transformation Mutation Mutation Transformation
Lado andYousef (2002)
Muerte microorganismo
Dao subletal
Recuperacin clula
Inters de organismos internacionales por el estudio de cambios en resistencia de microorganismos a antibiticos o antimicrobianos
VALIDACIN Y EVALUACIN DE LOS MODELOS La validacin es una de las etapas ms importantes en el desarrollo de un modelo de inactivacin o de crecimiento. Dos fases Validacin matemtica Validacin en alimento
ndices estadsticos
Coeficiente de determinacin Estudio de los residuos Datos influyentes Multicolinealidad ndices para evaluar modelos en microbiologa de alimentos
Coeficiente de determinacin
Este coeficiente indica la proporcin de variabilidad de las observaciones de la variable dependiente (lnK) explicada por el conjunto de las variables independientes consideradas en cada caso.
Los residuos se definen como la diferencia entre el valor observado de la variable dependiente y el valor ajustado en el modelo.
Descriptivas bsicas Test de normalidad (Kolmogorov-Smirnov) Linealidad, homocedasticidad (igual varianza) y valores atpicos Autocorrelacin entre residuos consecutivos (Durbin-Watson)
16 14 12 10 8 6 4 2 0 -,40 -,35 -,30 -,25 -,20 -,15 -,10 -,05 -,00 ,05 ,10 ,15 ,20 ,25 Desv. tp Media = 0,00 N = 60,00
,4 ,3 ,2 ,1 0,0 -,1 -,2 -,3 -,4 -,5 -,4 -,3 -,2 -,1 ,0 ,1 ,2 ,3 ,4
Normalidad
Residuos
Valor observado
residuos
valores ajustados
Linealidad
,4
,2
-,0
-,2
LOGD
-,4
LOGD
-,8
TEMP2
NACL
,6
,4 ,2
-,0
LOGD
-10
10
PH2
0<d<dl = aceptamos correlacin positiva dl<d<du= test no concluyente du<d<4-du= no autocorrelacin 4-du<d<4-dl= test no concluyente 4-dl<d<4= autocorrelacin negativa
dl
dl
du
15 16 17 18 19
Datos influyentes En algunos problemas se observa que un nmero pequeo de observaciones tienen una influencia exagerada sobre el modelo ajustado. Una forma de averiguar la presencia de datos influyentes es mediante la distancia de Cook.
Se considera que un dato es influyente si el valor de la distancia de Cook que le corresponde es mayor de 1
Valores mximos de la Distancia de Cook para cada uno de los modelos analizados
Microorganismo/ alimento C. botulinum Spaghetti Macarrn Arroz C. sporogenes Tampn fosfato Pur de guisantes B. stearothermophilus Champin (ctrico) Champin (GDL) N 32 32 32 30 30 12 12 Arrhenius Bigelow Cuadrtico Bsico 0,663 0,502 0,347 0,233 0,502 0,324 0,600 0,334 0,323 0,263 0,168 0,689 0,293 0,480 0,402 0,429 0,156 0,133 0,337 0,374 1,265 0,636 0,525 0,426 0,241 0,424 0,354 0,788
Nuevos datos obtenidos de forma independiente Hay dos dos ndices ndices que que nos nos pueden pueden dar dar de de forma forma rpida rpida Hay la diferencia diferencia entre entre los los valores valores predichos predichos por por el el modelo modelo la y aquellos aquellos obtenidos obtenidos de de forma forma independiente independiente para para y distintas combinaciones combinaciones de de las las variables variables independientes independientes distintas BIAS Factor de exactitud
n
B f = 10
A f = 10
(log ( predichos
n
/ observados
))
Valores del factor BIAS para cada uno de los modelos analizados
Microorganismo/ alimento C. botulinum Spaghetti Macarrn Arroz C. sporogenes Tampn fosfato Pur de guisantes B. stearothermophilus Champin (ctrico) Champin (GDL) n 32 32 32 30 30 12 12 Arrhenius Bigelow Cuadrtico Bsico 0,98 0,98 1,00 1,00 1,00 1,01 1,00 1,01 1,00 1,00 1,00 1,01 1,00 1,00 0,96 1,06 2,02 1,11 0,93 0,50 4,10 1,00 0,99 1,00 1,00 1,00 0,92 1,08
Valores del factor de exactitud para cada uno de los modelos analizados
Microorganismo/ alimento C. botulinum Spaghetti Macarrn Arroz C. sporogenes Tampn fosfato Pur de guisantes B. stearothermophilus Champin (ctrico) Champin (GDL) n 32 32 32 30 30 12 12 Arrhenius Bigelow Cuadrtico Bsico 1,17 1,17 1,17 1,27 1,23 1,29 1,32 1,07 1,06 1,06 1,10 1,11 1,15 1,15 1,07 1,08 2,02 1,12 1,09 2,01 4,10 1,14 1,16 1,18 1,10 1,09 1,13 1,13
Every model is wrong. The question is, how much wrong still useful it can be. (Box and Draper)