動物性食品中蠟樣芽胞桿菌的建模及風險評估應用進展

董慶利, 陳元美, 杜建萍， 崔 旸， 張春艷， 蘇 亮, 劉 箐

(1.上海理工大學 醫療器械與食品學院， 上海 200093; 2.北京市食品安全監控和風險評估中心， 北京 100053;3.國家食品安全風險評估中心， 北京 100022)

動物性食品中蠟樣芽胞桿菌的建模及風險評估應用進展

董慶利1, 陳元美1, 杜建萍2， 崔 旸2， 張春艷2， 蘇 亮3, 劉 箐1

(1.上海理工大學 醫療器械與食品學院， 上海 200093; 2.北京市食品安全監控和風險評估中心， 北京 100053;3.國家食品安全風險評估中心， 北京 100022)

動物性食品有極高的營養價值，在食品組成中占有重要地位。蠟樣芽胞桿菌是動物性食品中常見的一種食源性致病菌。綜述了近年來國內外對蠟樣芽胞桿菌的建模及在風險評估中的應用所開展的研究，對肉類、乳及乳制品、蛋及蛋制品等食物中建立的生長模型與失活模型的最新研究成果進行總結，概述了動態變化環境下的界面模型研究及模型在風險評估中的應用情況，最后對蠟樣芽胞桿菌預測建模的研究及應用提出了展望，以期為今后的研究提供參考。

動物性食品； 蠟樣芽胞桿菌； 預測模型； 風險評估

動物性食品是指動物來源的食物，包括畜禽肉、蛋類、魚蝦蟹等水產品、乳及其制品等。動物性食品不僅含有豐富的蛋白質、脂肪、無機鹽和維生素，而且蛋白質的質量高，屬優質蛋白。許多食源性致病菌極易在動物性食品中滋生，引起食品品質變化，進而導致食品安全性問題。蠟樣芽胞桿菌是動物性食品中常見的致病菌之一。我國食源性疾病暴發監測系統的調查數據顯示，2001—2010年我國共監測到121起由蠟樣芽胞桿菌引發的食物中毒事件，占食源性疾病暴發總數(3002起)的4.03%，其中56.45%是由米飯及其制品引起，其次是肉制品(7.50%)[1-3]；也有研究報道乳制品中蠟樣芽胞桿菌的污染率最高，在我國某些地區的陽性率最高達到81.80%[4]。

針對蠟樣芽胞桿菌導致的動物性食品安全問題，已有許多研究者對此類食品中的蠟樣芽胞桿菌開展了預測建模及應用的研究。儀淑敏等[5]對各類食品中蠟樣芽胞桿菌的預測模型和風險評估進行了綜述，概述了國外對蠟樣芽胞桿菌在不同食品基質中的預測建模及風險評估的研究成果。近年來國內對蠟樣芽胞桿菌的關注也在增加，各類食品中蠟樣芽胞桿菌在預測建模及應用方面的研究不斷有新的成果，但對蠟樣芽胞桿菌在動物性食品中的預測建模及應用情況的最新研究情況尚待總結，為深入開展蠟樣芽胞桿菌的風險控制提供理論參考。

本文概述蠟樣芽胞桿菌的生物學特性及其致病性，并以動力學模型與概率模型為主對動物性食品中蠟樣芽胞桿菌預測建模及應用的最新進展進行綜述，指出動物性食品中蠟樣芽胞桿菌在預測建模方面的研究方向，以期對將來蠟樣芽胞桿菌在動物性食品中的定量風險評估和風險管理控制提供一定的理論借鑒。

1 蠟樣芽胞桿菌的生物學特性及致病性

1.1 蠟樣芽胞桿菌的生物學特性

蠟樣芽胞桿菌廣泛分布于土壤、灰塵和污水中，也常見于各類熟食及植物性食品中。蠟樣芽胞桿菌(Bacilluscereus)是兼性需氧的革蘭氏陽性桿菌，能形成芽孢，引起食物中毒的菌株多為周身鞭毛，有一定的運動性[6]。蠟樣芽胞桿菌生長的最低和最高生長溫度分別為10～20 ℃和35～45 ℃，在63 ℃以上不生長，菌體在65～70 ℃易死去；在pH值2～11可生長，pH值1～2不生長，最適pH值為4.3～9.3，臨界pH值為5.0；最適NaCl質量分數為1%，在NaCl質量分數為8%時明顯受到抑制，在無鹽條件下其生長良好[7]。

1.2 蠟樣芽胞桿菌的致病性

蠟樣芽胞桿菌產生的芽孢具有良好的耐熱性，并在有毒化學物質、干燥、紫外射線、輻照及其他不利的環境條件中也能存活。據報道[8-9]，一般的食品加熱烹調(熱處理)不能殺死該菌的芽孢，芽孢會存活并發芽，從而進一步污染加工的食物產生食用風險。

蠟樣芽胞桿菌是條件致病菌，當菌落總數超過1×105CFU/mL時，就會引起食物中毒的發生。蠟樣芽胞桿菌引起的食物中毒有明顯的季節性，通常以夏秋季(6月至10月)為最高，當食物加工或儲藏溫度不當時也會引起食物中毒，如乳制品在生產中加熱不充分或操作不當導致蠟樣芽胞桿菌不能被完全殺滅時，就會有發生食物中毒的風險[10]。

蠟樣芽胞桿菌常通過產生耐熱與不耐熱2種腸毒素引起食物中毒，其中耐熱腸毒素大多產生于米飯類食品中，能引起嘔吐性胃腸炎；而不耐熱腸毒素易在各類食品尤其是肉類食品中產生，能引起腹瀉性胃腸炎。

2 動物性食品中蠟樣芽胞桿菌的預測建模

預測微生物學(predictive microbiology)是一門結合微生物學、化學、數學、統計學和應用計算機技術的交叉性學科，它采用數學的方法描述不同環境條件下，細菌數變化和外部環境因素之間的響應關系，并對微生物的生長或失活做出預測[11-12]。

基于模型的建立方式，可將預測模型分為動力學模型和概率模型2種：動力學模型是將一級模型所得參數和環境因素之間的關系建立數學模型來描述不同的培養和環境條件對微生物生長的影響；概率模型是對某些特定事件發生的可能性進行預測的模型，如在特定時間內形成毒素的概率等[13]。

2.1 動力學模型

動力學模型根據微生物的生理狀態又分為生長模型和失活模型2類。

2.1.1生長模型

關于動物性食品中蠟樣芽胞桿菌在不同條件下生長的預測模型研究較多。其中研究最多的是溫度對動物性食品尤其是各種肉類中蠟樣芽胞桿菌生長的影響。Kang等[14]用修正的Gompertz模型對煙熏雞肉在不同溫度儲存時蠟樣芽胞桿菌的生長進行擬合。擬合發現Gompertz模型擬合度高，適合描述不同溫度下蠟樣芽胞桿菌的生長。二級模型分別用平方根和Davey模型作為溫度的函數來確定比生長速率和遲滯期。結果顯示溫度和食品成分會對模型產生影響，經驗證平方根模型和Davey模型有良好擬合優度。除溫度這一單獨影響因子外，部分研究還綜合考慮了溫度、pH值、水分活度(Aw)以及空氣組成或防腐成分等因素對蠟樣芽胞桿菌在肉類中生長的影響來建立蠟樣芽胞桿菌的生長模型。2007年，儀淑敏等[15]研究了在不同溫度、pH值、NaCl 濃度條件下營養肉湯中蠟樣芽胞桿菌的生長情況，分別建立了25 ℃、37 ℃下蠟樣芽胞桿菌在營養肉湯中生長的Richards模型和MMF模型以及這2個溫度下維也納香腸中的MMF模型，所建模型均能準確預測2種食品基質中蠟樣芽胞桿菌的生長。模型為維也納香腸生產過程中蠟樣芽胞桿菌的控制提供了重要參考。類似的研究也見于Sutherland等[16]1996年的研究和?lmez等[17]的研究。Sutherland等[16]以Baranyi模型作為一級模型擬合了不同溫度、pH值、NaCl濃度和CO2濃度的組合下6株嗜溫蠟樣芽胞桿菌營養體的混合接種物的生長曲線，并通過將倍增時間的預測值與文獻報道的家禽和肉制品及牛奶中蠟樣芽胞桿菌的營養體或孢子生長的倍增時間的觀測值做比較，發現各種食品的生長用Baranyi模型可實現準確預測；二級模型則建立了上述4種因子的響應面模型，對不同條件下菌株的生長情況作出了快速精確的估計，但模型僅適用于嗜溫蠟樣芽胞桿菌，若用于嗜冷菌株則會引起較大誤差。?lmez等[17]的研究與Sutherland等的研究有較大相似性，不同之處在于?lmez等研究了乳酸鈉濃度而不是CO2對蠟樣芽胞桿菌生長的影響，用Gompertz模型擬合菌株的生長，模型擬合度也較好。

除肉制品外，乳制品中蠟樣芽胞桿菌生長模型的建立也以有關溫度的預測模型的建立為主。較早報道的是Zwietering等[18]1996年的研究。他們建立了一個簡單的指數模型對巴氏殺菌乳中的蠟樣芽胞桿菌數量進行估計。用平方根模型建立二級模型探究溫度對生長速率的影響。所建模型簡單易于驗證，且使用方便。類似地，Valík等[19]研究了巴氏殺菌乳中的蠟樣芽胞桿菌在5～13 ℃范圍內不同溫度下儲存時的生長動力學及貨架期，用Baranyi模型模擬蠟樣芽胞桿菌在不同溫度下的生長，各溫度下擬合度均較高，以修正的Arrhenius型模型描述溫度對遲滯期的影響，用平方根模型描述溫度對生長速率的影響，此2種二級模型都對巴氏殺菌乳中蠟樣芽胞桿菌的生長情況做出了較為準確的預測。類似的研究也見于Kim等[20]的報道，該研究以修正的Gompertz模型來估計牛奶中蠟樣芽胞桿菌的動力學參數，二級模型的構建則用了平方根模型，結果表明模型擬合度良好，可用來描述牛奶儲存過程中的動力學行為。2016年，邱紅玲等[21]對復原乳接種蠟樣芽胞桿菌，并分別在低溫(4 ℃和8 ℃)、適溫(25，37和42 ℃) 條件下采用修正的 Gompertz 模型和平方根模型模擬蠟樣芽胞桿菌在低溫和適溫條件下的一級和二級生長動力學模型，研究顯示修正的 Gompertz 模型能較好地擬合蠟樣芽胞桿菌的生長曲線；平方根模型能較好地擬合溫度與蠟樣芽胞桿菌最大比生長速率μmax的線性關系。模型為開展復原乳中蠟樣芽胞桿菌的風險評估和預警提供了理論基礎。上述研究僅考慮了乳及乳制品中只有蠟樣芽胞桿菌一種菌時的情況，并未考慮2種及2種以上的菌共同存在時蠟樣芽胞桿菌的生長情況，而真實食品基質中往往會同時存在多種菌。李敏[22]考慮了2種菌同時存在時蠟樣芽胞桿菌的生長情況，從巴氏殺菌乳中分離得到假單胞菌和蠟樣芽胞桿菌，用Baranyi方程擬合2種菌在不同溫度下的生長曲線，驗證發現模型擬合優度佳；以平方根模型作為二級模型也具有較好的擬合優度。

此外，關于蛋制品中蠟樣芽胞桿菌的生長也有相關報道。Grijspeerdt等[23]將Baranyi模型結合Ratkowsky平方根模型描述液體全蛋制品中蠟樣芽胞桿菌的生長以量化溫度對生長的影響，進而評價參數估計的最優實驗設計技術(OED / PE)的實際應用效果。用上述一級模型和二級模型，不斷重復可得到準確的生長參數。

從食品基質來看，動物性食品中蠟樣芽胞桿菌的生長建模的研究以乳及乳制品中為最多。不同動物性食品中蠟樣芽胞桿菌的生長動力學模型及參數見表1。在模型應用上，一級模型以Gompertz 模型和Baranyi模型擬合度為最好，因而此兩種模型被廣泛用來估計不同條件下動物性食品中蠟樣芽胞桿菌的生長參數。在二級模型的研究中，關注較多的環境因素主要是溫度、pH值、Aw、氣體組成以及防腐添加物等。其中各種食品在生產鏈中波動最大的因素是溫度，故溫度是預測模型研究最多的因素。在關于溫度因素的研究中，最常使用平方根模型作為二級模型來擬合。平方根模型建立以后，眾多研究者對其進行了多次修正，現已逐漸擴展到pH、Aw、CO2濃度等，其基本形式被視為最經典的二級模型之一。除了廣泛使用的平方根模型外，多項式模型、響應面模型、主參數模型等在有多個因素的二級模型的建立中也得到普遍應用，如Heo等[24]在蠟樣芽胞桿菌二級模型的研究中使用響應面方法建立二級模型來預測蠟樣芽胞桿菌的生長速率。Carlin等[25]用主參數模型確定了七個主要蠟樣芽胞桿菌種群的菌株在所研究的溫度、Aw和pH值下的Tmin，Topt，Tmax，pHmin，pHopt，Awmin和mopt。

2.1.2失活模型

針對動物性食品中蠟樣芽胞桿菌失活模型的研究主要圍繞熱失活、輻照、pH、壓強、脈沖電場以及添加物等因素展開。

因加熱是最常用的食品加工方式，蠟樣芽胞桿菌的芽孢又有加熱難以滅活的特性故關于動物性食品中蠟樣芽胞桿菌熱失活的研究最多。受熱均勻的芽孢其致死率和處理時間的關系一般用D值表示，D值越大則菌體的耐熱性越強。Jan?tová等[26]對分離自生牛乳和農場環境中的6株蠟樣芽胞桿菌菌株在90～135 ℃下暴露不同時間時的耐熱性開展了研究，研究表明隨溫度增加，D值降低，尤其是95 ℃到100 ℃，菌株耐熱性顯著降低。不同文獻報道的D值和Z值存在較大差異，此現象產生的原因可能是加熱介質的成分不同或菌株不同而導致。如全脂奶和脫脂奶中ATCC 9818的D100值分別為2.55 min和3.35 min，而ATCC 7004對應的D100值則分別為0.27和0.31[27]。Desai等[28]也做過類似的研究。

但有時候存活率和處理時間不一定是線性關系，特別是當非等溫處理時，菌體的失活曲線常常有“拖尾”或者“掃肩”現象的出現，故而需要建立精確

表1 不同動物性食品中蠟樣芽胞桿菌的生長動力學模型及參數

度更高的動力學模型來替代已有的基于一級動力學方程的D值模型。已有研究采用 Weibull 模型擬合文獻報道中的微生物失活過程中的數據，證明Weibull 方程優于一級動力學方程[29-34]。另有研究對分離自腐敗奶酪和牛棚空氣中的2株蠟樣芽胞桿菌在不同鹽脅迫條件和生理狀態下的耐熱性進行定量評估，用具有大量營養細胞存活率的線性和非線性(Weibull,Biphasic linear,Biphasic logistic,Modified Gompertz,Reparameterized Gompertz,Baranyi,Geeraerd)微生物存活模型擬合其存活數據，并得到Biphasic logistic模型和Geeraerd模型最適合用來量化不同鹽脅迫條件及不同生長階段下的蠟樣芽胞桿菌的耐熱性的結論[35]。

除熱失活外，還有許多研究者致力于輻射、光、高壓等各種非加熱形式的高新加工技術所致的動物性食品中蠟樣芽胞桿菌失活的研究。以Lara等[36]做的研究為例，其對2株蠟樣芽胞桿菌的芽孢受到1，3和7 kGy不同劑量的電離輻射下的D值進行了研究。隨劑量的增加蠟樣芽胞桿菌芽孢數呈線性減少，但不同菌株的線性系數不同。電離輻射前后，D值顯著減小，但失活溫度和電離輻射劑量間的量化關系不明顯。此外，Marc等[37]研究并建立了蠟樣芽胞桿菌的光破壞模型，用Weibull 模型來描述蠟樣芽胞桿菌用光敏劑5-氨基乙酰丙酸(aminolevulinic acid，ALA)處理后的存活曲線，其擬合優度良好；并建立了二次方程來描述ALA濃度和培養時間對Weibull模型參數的影響，研究證明所建模型有利于優化光敏失活處理過程。2016年，Evelyn等[38]還研究了高壓(high pressure processing，HPP)結合熱處理對蠟樣芽胞桿菌孢子的殺滅效果，發現300～700 MPa的高壓處理結合高溫可提高對耐熱型芽孢的殺菌效率。線性模型、Weibull 模型和Log-Logistic 模型擬合的結果顯示，在高壓結合熱處理時，Weibull 模型比 Log-Logistic模型對2株菌芽孢存活曲線的擬合度更高。而芽孢在常壓熱處理時的存活曲線用一級動力學模型擬合更適合。類似地研究也見于Van Opstal等[39]對牛奶中蠟樣芽胞桿菌在高壓和高溫下失活的報道。另外，Huang等[40]則用響應面的方法來優化添加表面活性素和芬薺素使牛奶中蠟樣芽胞桿菌內生孢子失活的處理，分析結果表明所建響應面模型具有極好的擬合度。Pina-Pérez等[41]則利用Bigelow模型、Weibull分布函數、修正Gompertz方程和Log-Logistic模型來模擬脈沖電場和12%可可粉對液體全蛋脫脂乳混合飲料中的蠟樣芽胞桿菌失活的協同作用。經比較，4個參數的Log-Logistic模型擬合效果最好。

從以上可以看出，關于動物性食品中蠟樣芽胞桿菌失活模型的研究，早期研究多關注熱處理對其孢子失活或耐熱性的影響。與傳統熱加工相比，非熱處理的高新加工技術對動物性食品中蠟樣芽胞桿菌及芽孢的殺菌效果更好，且對食品本身的營養成分及感官品質影響較小，故近年來對高新加工技術使蠟樣芽胞桿菌失活的研究較多。在對蠟樣芽胞桿菌及芽孢失活動力學模型進行研究時，一般先進行線性模型的模擬，并通過其他失活研究的模型參數D值、Z值做比較對微生物的耐受性作出初步評價。若線性模型擬合效果不佳，可對曲線的線性部分進行線性擬合，也可用Weibull、Log-Logistic等非線性模型來擬合動物性食品中蠟樣芽胞桿菌的整個失活過程。若以上模型的擬合效果仍不佳，可考慮應用其他非線性模型，如Bigelow模型等。

2.2 概率模型

關于蠟樣芽胞桿菌概率模型較早的研究來自Lanciotti 等[42]，其用Logistic回歸模型建立了蠟樣芽胞桿菌在溫度、pH值、Aw和乙醇濃度等生長因子控制下的生長/無生長(G/NG)邊界，并用此模型確定了pH值、Aw和溫度的最小值，以及允許的最大乙醇濃度。經驗證，模型擬合效果良好。Daelman等[43]做了更為具體的研究，采用2套logistic回歸模型建立了2種蠟樣芽胞桿菌菌株的孢子的生長/無生長(G/NG)模型，所建模型包括產品參數(Aw和pH值)和工藝參數(90 ℃的巴氏殺菌值或加熱溫度)。實驗驗證結果顯示2套模型均有較高的擬合準確度。

本課題組邱靜等[44]曾開展過動物性食品中微生物生長的概率模型研究。2012年其運用 Logistic 方程構建不同氣調 CO2比例下假單胞菌的生長概率模型，并建立G/NG邊界曲線來研究氣調保鮮冷卻豬肉中假單胞菌的生長概率。模型擬合效果良好，為冷卻豬肉的氣調包裝組分提供了選擇依據。后又進一步建立了最小檢出生長時間模型，該模型為氣調包裝冷卻豬肉的貨架期研究提供了有用借鑒[45]。

而我國關于蠟樣芽胞桿菌概率模型的研究則見于2013年陳琛等[46]的報道。其用Logistic回歸模型建立了不同溫度、Aw和pH值等環境因子作用下蠟樣芽胞桿菌的G/NG界面模型，并確定了其生長界限。實驗結果顯示用Logistic回歸模型建立的G/NG模型擬合效果達到了極顯著水平。模型量化了環境因子對蠟樣芽胞桿菌的協同作用，為軟烤蝦仁產品中蠟樣芽胞桿菌的界面模型提供了參考。

蠟樣芽胞桿菌在動物性食品中的概率模型研究往往是用Logistic模型描述蠟樣芽胞桿菌的生長概率與溫度、pH值、Aw等環境因素間的關系。Logistic回歸模型將預測微生物學與概率模型、柵欄技術和動力學模型相結合，是描述平緩G/NG轉換區域最常用的方法，但模型的建立依賴于微生物生長界限已知。不同食品基質中蠟樣芽胞桿菌的失活模型見表2和表3。

3 動物性食品中蠟樣芽胞桿菌預測建模在風險評估方面的應用

根據實施動植物衛生檢疫措施的協定(Agreement on the Application of Sanitary and Phytosanitary Measures，SPS)的描述，風險評估是評價食品中存在的添加劑、污染物、毒素或致病有機體對人類、動物或植物的生命或健康產生的潛在不利影響。風險評估過程一般分為危害識別、危害描述、暴露評估和風險描述4個階段。微生物風險評估包括定性風險評估和定量風險評估2大類。其中微生物定量風險評估是預測微生物模型的主要應用之一。

較早的動物性食品中蠟樣芽胞桿菌定量風險評估的研究是1997年Notermans等[47]對巴氏殺菌乳中蠟樣芽胞桿菌的風險評估，表明巴氏殺菌乳中蠟樣芽胞桿菌在較低的溫度下( 6～12 ℃)也能快速繁殖，脂肪含量4%和7%的乳暴露量存在差異，分別是大于1×107CFU/mL和1×105CFU/mL。研究指出了乳中蠟樣芽胞桿菌的主要風險因素為溫度、保存時間、暴露量及初始芽孢量。故由初始芽孢量、貯藏溫度及時間可預測出乳中污染的蠟樣芽胞桿菌數量。我國較早的報道是褚小菊等[48]的研究，該研究將預測微生物學的方法與北京地區巴氏牛奶的運輸和銷售的總體情況以及北京地區牛奶消費的相關情況結合，建立了巴氏滅菌乳中蠟樣芽胞桿菌在流通領域的暴露評估模型。最后得出流通領域的溫度和時間是影響巴氏奶安全性的主要因素。但因微生物生長采用了Zwietering的預測模型，該模型未考慮遲滯期對微生物增長量的影響，對蠟樣芽胞桿菌不同菌型的種間差異也未加以區分，給評估結果帶來了一定的不確定性。但應用復雜的一些模型(如Sigmoidal)也未被證實具有更準確的預測功能[49]。此外，董慶利[50]曾基于文獻中已建立的蠟樣芽胞桿菌生長模型結合概率函數來估計消費者食用蒸煮米飯時的蠟樣芽胞桿菌攝入量，并結合Monte Carlo分析對米飯從銷售到食用階段中蠟樣芽胞桿菌的風險水平開展了暴露評估。研究表明，米飯銷售溫度是需要進行重點控制的風險因素。2013年董慶利等[51]基于指數模型、泊松模型、對數模型、Weibull模型等及其修正形式構建了米飯中蠟樣芽胞桿菌的劑量效應模型。結果顯示Gamma-Weibull模型是描述米飯中蠟樣芽胞桿菌的最優劑量效應模型，該模型可用于蠟樣芽胞桿菌風險評估中的危害特征分析。最新的相關報道是Kumari和Sarkar[52]使用響應面法和Monte Carlo模擬建立了定量風險評估模型來評估印度大吉嶺區被蠟樣芽胞桿菌污染的巴氏殺菌乳的消費引起的公共衛生風險。研究發現在家庭冰箱儲存過程中細胞載量和儲存溫度是微生物數量增長的主要影響因子。該研究為風險管理者和決策者提供了全面了解關鍵因素的寶貴工具，并說明了為使巴氏滅菌牛奶中的蠟樣芽胞桿菌初始數量達到最小，在奶制品生產線上設計和更好實施危害分析和關鍵控制點(hazard analysis and critical control points，HACCP)是十分必要的。

表2 不同動物性食品中蠟樣芽胞桿菌失活的線性模型及參數

上述研究大多是對乳制品中蠟樣芽胞桿菌開展的風險評估，針對其他動物性食品中蠟樣芽胞桿菌的風險評估也有相關報道。Daelman等[53]對具有延長耐用性的冷藏加工食品(refrigerated，pasteurized foods with extended durability，REPFEDs)中嗜冷蠟樣芽胞桿菌的營養體進行了定量暴露評估(quantitative microbiological exposure assessment，QMEA)，使用了模塊化過程風險模型(modular process risk model，MPRM)來模擬 QMEA過程。這個QMEA過程包括從原料經過巴氏滅菌直到被消費或丟棄的全部生產和分銷過程。其研究結果表明，變異性和不確定性的主要驅動因素是消費者行為、菌株變異性和建模誤差；估計出最終產品中蠟樣芽胞桿菌的流行率為48.6%±0.01%；確定了4個污染關鍵點：1)原材料污染，2)包裝期間再次污染，3)巴氏消毒和烹飪期間菌落的減少，4)零售及消費者的冷藏對菌落的控制。Pina-Pérez等[54]對牛奶-雞蛋-可可(富含12%多酚)的混合飲料中經過高壓處理(HPP)(100，200，300 MPa)并儲存(10 ℃，15 d)的蠟樣芽胞桿菌建立了隨機暴露評估模型，以預測蠟樣芽胞桿菌的最終載量(Nf，CFU/mL)。研究發現補充了可可粉的飲料最終蠟樣芽胞桿菌濃度為6 CFU/mL，低于感染劑量(1×104～105CFU/mL)的概率為95%，影響該飲料中蠟樣芽胞桿菌細胞最終載量的主要因素由大到小依次為可可添加量、HPP處理、初始菌數、儲存時間。

表3 不同食品基質中蠟樣芽胞桿菌失活的非線性模型及參數

與建模的研究情況一致，乳及乳制品同樣也是動物性食品中有關蠟樣芽胞桿菌的風險評估中研究最多的食品類型。其中巴氏殺菌乳采用的是72～85 ℃左右的低溫殺菌，在殺滅牛奶中有害菌群的同時可完好地保存其中的營養物質和純正口感，但蠟樣芽胞桿菌的孢子難以殺滅，滅菌后乳中仍有存在蠟樣芽胞桿菌并致病的風險，故大多數研究集中于巴氏殺菌乳中蠟樣芽胞桿菌的風險評估，評估方法通常使用Monte Carlo模擬。當前對動物性食品中蠟樣芽胞桿菌劑量效應模型的構建有待進一步研究。

4 結論與展望

綜述了動物性食品中蠟樣芽胞桿菌的預測建模及風險評估應用的研究進展。 這些預測模型量化了蠟樣芽胞桿菌在動物性食品中的行為，對動物性食品中蠟樣芽胞桿菌的風險評估和質量控制具有重要意義，特別是為肉與肉制品、蛋與蛋制品、乳與乳制品等產品的質量安全管理提供了重要參考。與耗費大量人力和時間的傳統實驗室檢測方法不同，建立預測模型能夠克服微生物檢測方法的滯后性并可實現特定環境中微生物生長速率的快速預測，從而進一步用來評估風險，有助于提高食品生產效率及產品品質，但當前研究仍存在一些問題。

其一，國外對動物性食品中蠟樣芽胞桿菌的建模及應用的研究較為全面，但國內對動物性食品中蠟樣芽胞桿菌的預測建模及其應用的研究較少，僅研究了原料乳，巴氏殺菌乳和少數肉制品等，且只針對食品生產或流通中的某一環節，研究范圍小，研究對象有待深入，特別是結合劑量效應模型的研究。

其二，動物性食品中蠟樣芽胞桿菌的建模數據大多基于平板計數法，此方法操作簡單并可將活菌和死菌區別開來，但需做大量重復工作，耗費時間長。

其三，預測建模的研究多集中在溫度、pH、水分活度等環境因素對乳制品中蠟樣芽胞桿菌生長的影響，往往僅在實驗室條件下進行蠟樣芽胞桿菌的單一接種，接種量高。而實際的動物性食品基質中不同營養成分、多種微生物共存及交叉污染等因素影響下蠟樣芽胞桿菌生長的真實情況尚待研究。

其四，模型多是對各種條件下蠟樣芽胞桿菌的生長進行預測，而對動物性食品中蠟樣芽胞桿菌產腹瀉型腸毒素或嘔吐型腸毒素的具體條件、產毒時間、產毒量等預測尚待進一步研究。

今后的研究應主要集中在以下幾個方面：

首先，根據國內食品的具體特點，對各種動物性食品在生產及流通全過程中蠟樣芽胞桿菌的預測建模開展研究?？山梃b國外經驗并與國內食品具體特點結合，對我國各種動物性食品中蠟樣芽胞桿菌從原料到餐桌的全過程開展預測建模及應用的研究，建立包含各個操作環節的預測模型，為動物性食品的安全評價提供更有力參考。

其次，可根據不同食品特點及實驗需要選用實時熒光定量PCR法進行蠟樣芽胞桿菌濃度的間接測定，若樣品顏色不深也可選用比濁法測定細菌數目，此2種方法操作簡單，可迅速測定菌的數量從而減少平板計數方法的工作量，節約時間。還可根據實驗要求選用計數器測定法、免疫法、阻抗法等進行菌落數的快速測定。

再次，考慮實際食品基質中的多種影響因素開展建模研究。針對不同動物性食品的營養成分、包裝特點、微生物相互作用、微生物代謝特征等因素考慮不同因素的綜合作用效果，開展動物性食品中蠟樣芽胞桿菌預測模型的構建，使模型在實際食品中的適用性更強。

此外，可將研究重點逐漸轉向產腸毒素預測。今后可將動物性食品中蠟樣芽胞桿菌的生長預測與產毒素預測結合實現由細菌數量或濃度來預測毒素產生的風險，探究蠟樣芽胞桿菌的產毒規律，對蠟樣芽胞桿菌產腹瀉型毒素及產嘔吐型毒素的模型開展深入研究，為動物性食品中蠟樣芽胞桿菌的安全及風險評估提供更為準確的依據。

最后，充分運用三級模型，將已有的研究數據進行整合。三級模型如Combase，其包含溫度、pH、Aw、CO2等環境因子，具有較全面的預測微生物學信息；Sym’previus除涉及預測微生物模型外，還提供某些流行病學數據，并可對各種信息進行綜合分析；SMAS是一個冷鏈肉制品綜合管理系統，能夠保障從原料加工到產品銷售全過程的安全和品質。運用這些模型不僅能夠節約研究時間，并可快速建立動物性食品中蠟樣芽胞桿菌的預測模型以及實現與風險評估的充分結合。此外，也可將動物性食品中蠟樣芽胞桿菌的實驗室研究數據和實際案例相結合，開發動物性食品中的蠟樣芽胞桿菌數據庫以及相關預測軟件，提高模型預測的準確性。

[1] 陸湘華,崔昌,王遠萍,等.蠟樣芽孢桿菌食物中毒的研究進展[J].傳染病信息,2015,28(4):251-254. LU X H,CUI C,WANG Y P,et al.Research progress ofBacilluscereusfoodborne diseases[J].Infectious Disease Information,2015,28(4):251-254.

[2] 毛雪丹,胡俊峰,劉秀梅.2003—2007年中國1060起細菌性食源性疾病流行病學特征分析[J].中國食品衛生雜志,2010,22(3):224-228.

[3] 徐君飛,張居作.2001—2010年中國食源性疾病暴發情況分析[J].中國農學通報,2012,28(27):313-316.

[4] 趙月明,任國譜.乳制品中蠟樣芽孢桿菌的研究進展[J].中國乳品工業,2014,42(4):46-49. ZHAO Y M,REN G P.Research improvement ofBacilluscereusin dairy products[J].China Dairy Industry,2014,42(4):46-49.

[5] 儀淑敏,李遠釗,張培正,等.食品中蠟樣芽孢桿菌的預測模型及風險評估[J].食品科技,2007(7):25-29. YI S M,LI Y Z,ZHANG P Z,et al.Predicting model behavior and the risk assessment forBacilluscereusin food[J].Food Science and Technology,2007(7):25-29.

[6] CHUNG K D,SUN H L. Distribution and characteristics ofBacilluscereusisolated from rice in Chinese Taibei[J]. Journal of Food Science, 2006, 51(5): 1208-1212.

[7] 張偉偉,魯緋,張金蘭,等.食品中蠟樣芽孢桿菌的研究進展[J].中國釀造,2010,29(5):1-4. ZHANG W W,LU F,ZHANG J L,et al.Research progress ofBacilluscereusin food[J].China Brewing,2010,29(5):1-4.

[8] 頓玉慧,趙更峰,鄭啟偉.蠟樣芽孢桿菌致吐毒素的研究現狀[J].食品科學,2009,30(9):259-263. DUN Y H,ZHAO G F,ZHENG Q W.Research status of emetic toxin ofBacilluscereus[J].Food Science,2009,30(9):259-263.

[9] 畢宇涵,鄭曉華,薛成玉,等.米面制品蠟樣芽孢桿菌污染狀況調查[J].中國公共衛生管理,2012,28(6):819-820.

[10] 吳雅兒.因喂服染有蠟樣芽胞桿菌奶粉引起嬰兒腹瀉1例[J].海峽預防醫學雜志,2003,9(5):4.

[11] MC MEEKIN T A,OLLEY J, RATKOWSKY D A,et al. Predictive microbiology: towards the interface and beyond[J]. International Journal of Food Microbiology, 2002, 73(2/3): 395-407.

[12] WALLS I,SCOTT V N. Use of predictive microbiology in microbial food safety risk assessment[J]. International Journal of Food Microbiology, 1997, 36(2/3): 97-102.

[13] 岳曉禹,胡志霞,劉相東,等.食品微生物預測模型研究進展[J].鄭州牧業工程高等?？茖W校學報,2014,34(3):14-16, 26. YUE X Y,HU Z X,LIU X D,et al.Advances in predictive food microbiology model[J].Journal of Zhengzhou College of Animal Husbandry Engineering,2014,34(3):14-16, 26.

[14] KANG K A K Y,YOON K S. Development of predictive growth models for staphylococcus aureus andBacilluscereuson various food matrices consisting of ready-to-eat(RTE) foods[J]. Korean Journal for Food Science of Animal Resources, 2010, 30(5): 730-738.

[15] 儀淑敏,李遠釗,張培正,等.蠟樣芽孢桿菌在營養肉湯和維也納香腸中的生長模型及控制[J].食品工業科技,2007,28(9):72-75. YI S M,LI Y Z,ZHANG P Z,et al.Growth models and control measures ofBacilluscereusin Wienerwurst and nutritional broth[J].Science and Technology of Food Industry,2007,28(9):72-75.

[16] SUTHERLAND J P,AHERNE A,BEAUMONT A L. Preparation and validation of a growth model forBacilluscereus: the effects of temperature, pH, sodium chloride and carbon dioxide[J]. International Journal of Food Microbiology, 1996, 30(3): 359-372.

[17] ?LMEZ H K,ARAN N. Modeling the growth kinetics ofBacilluscereusas a function of temperature,pH,sodium lactate and sodium chloride concentrations[J]. International Journal of Food Microbiology, 2005, 98: 135-143.

[18] ZWIETERING M H,DE WIT J C,Notermans S. Application of predictive microbiology to estimate the number ofBacilluscereusin pasteurised milk at the point of consumption[J]. International Journal of Food Microbiology, 1996, 30(1): 55-70.

[20] KIM H W,LEE S A,YOON Y,et al. Development of kinetic models describing kinetic behavior ofBacilluscereusandStaphylococcusaureusin milk[J]. Korean Journal for Food Science of Animal Resources, 2013, 33(2): 155-161.

[21] 邱紅玲,唐曉陽,王李偉,等.復原乳中三種常見致病菌的生長動力學模型構建[J].上海預防醫學,2016,28(5):288-293. QIU H L,TANG X Y,WANG L W,et al.Growth kinetic model developed for three common pathogenic bacteria in dehydrated infant milk formula[J].Shanghai Journal of Preventive Medicine,2016,28(5):288-293.

[22] 李敏.巴氏殺菌奶中優勢微生物預測模型的建立及風險評估[D].北京:中國農業大學,2006.

[23] GRIJSPEERDT K,DE REU K. Practical application of dynamic temperature profiles to estimate the parameters of the square root model[J]. International Journal of Food Microbiology, 2005, 101(1): 83-92.

[24] HEO S K,LEE H S,HA S D. A predictive model for the growth rate ofBacilluscereusin broth by response surface methodology[J]. Biotechnology and Bioprocess Engineering, 2009, 14(2): 202-206.

[25] CARLIN F, ALBAGNAC C, RIDA A, et al. Variation of cardinal growth parameters and growth limits accor-ding to phylogenetic affiliation in theBacilluscereusgroup consequences for risk assessment[J]. Food Microbiology, 2013, 33(1): 69-76.

[26] JANSTOVA B,LUKASOVA J. Heat resis-tance ofBacillusspp. spores isolated from cow’s milk and farm environment[J]. Acta Veterinaria Brunensis, 2001, 70(2): 179-184.

[28] DESAI S V,VARADARAJ M C. Behavioural pattern of vegetative cells and spores ofBacilluscereusas affected by time-temperature combinations used in processing of Indian traditional foods[J]. Journal of Food Science and Technology, 2010, 47(5): 549-556.

[29] PELEG M. On calculating sterility in thermal and non-thermal preservation methods[J]. Food Research International, 1999, 32(4): 271-278.

[30] PELEG M,CORRADINI M G,NORMAND M D. Kinetic models of complex biochemical reactions and biological processes[J]. Chemie Ingenieur Technik, 2004, 76(4): 413-423.

[31] CAMPANELLA O H,PELEG M. Theoretical comparison of a new and the traditional method to calculateClostri-diumbotulinumsurvival during thermal inactivation[J]. Journal of the Science of Food and Agriculture, 2001, 81(11): 1069-1076.

[32] CORRADINI M G,NORMAND M D,PELEG M. Calculating the efficacy of heat sterilization processes[J]. Journal of Food Engineering, 2005, 67(1/2): 59-69.

[33] MAFART P,COUVERT O,GAILLARD S,et al. On calculating sterility in thermal preservation methods: application of the Weibull frequency distribution model[J]. International Journal of Food Microbiology, 2002, 72(1/2): 107-113.

[34] HELDMAN D R,NEWSOME R L. Kinetic models for microbial survival during processing[J]. Food Techno-logy, 2003, 57(8): 40.

[35] DEN BESTEN H M,MATARAGAS M,MOEZELAAR R,et al. Quantification of the effects of salt stress and physiological state on thermotolerance ofBacilluscereusATCC 10987 and ATCC 14579[J]. Applied and Environmental Microbiology, 2006, 72(9): 5884-5894.

[36] DEN BESTEN H M W, MARIOS M, ROY M. Quantification of the effects of salt stress and physiological state on thermotolerance ofBacilluscereusATCC 10987 and ATCC 14579[J].Applied and Environmental Microbio-logy, 2006, 72(9):5884-5894.

[37] MARC Y L,BUCHOVEC I,GEORGE S M,et al. Modelling the photosensitization-based inactivation ofBacilluscereus[J]. Journal of Applied Microbiology, 2009, 107(3): 1006-1011.

[38] EVELYN, SILVA F V M.Modeling the inactivation of psychrotrophicBacilluscereusspores in beef slurry by 600 MPa HPP combined with 38～70 ℃:comparing with thermal processing and estimating the energy requirements[J]. Food and Bioproducts Processing, 2016, 99: 179-187.

[39] VAN OPSTAL I,VANMUYSEN S C,WUYTACK E Y, et al. Inactivation ofBacilluscereusspores in milk by mild pressure and heat treatments[J]. Communications in Agricultural and Applied Biological Sciences, 2003, 68(3): 7-10.

[40] HUANG X Q,WEI Z Y,GAO X P,et al. Optimization of inactivation of endospores ofBacilluscereusin milk by surfactin and fengycin using a response surface method[J]. International Journal of Peptide Research and Therapeutics, 2008, 14(2): 89-95.

[41] PINA-PéREZ M C,SILVA-ANGULO A B,RODRIGO D,et al. Synergistic effect of pulsed electric fields and CocoanOX 12% on the inactivation kinetics ofBacilluscereusin a mixed beverage of liquid whole egg and skim milk[J]. International Journal of Food Microbiology, 2009, 130(3): 196-204.

[42] LANCIOTTI R,SINIGAGLIA M,GARDINI F,et al. Growth/no growth interfaces ofBacilluscereus,StaphylococcusaureusandSalmonellaenteritidisin model systems based on water activity, pH, temperature and ethanol concentration[J]. Food Microbiology, 2001, 18(6): 659-668.

[43] DAELMAN J,VERMEULEN A,WILLEMYNS T,et al. Growth growth models for heat-treated psychrotrophicBacilluscereusspores under cold storage[J]. International Journal of Food Microbiology,2013,161(1):7-15.

[44] 邱靜,董慶利,程飛.氣調包裝冷卻豬肉中假單胞菌生長概率模型的構建[J].農業工程學報,2012,28(13):257-262. QIU J,DONG Q L,CHENG F.Establishment of growth probability model forPseudomonasspp.in chilled pork with modified atmosphere package[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(13):257-262.

[45] 邱靜,董慶利,胡孟晗.氣調保鮮冷卻豬肉中假單胞菌最小檢出生長時間模型的構建[J].食品科學,2013,34(13):152-156. QIU J,DONG Q L,HU M H.Establishment of time-to-detection model ofPseudomonasspp. in atmosphere modified packaged chilled pork[J].Food Science,2013,34(13):152-156.

[46] 陳琛,楊憲時,李學英.蠟樣芽胞桿菌生長/非生長界面模型的建立和評價[J].食品與發酵工業,2013,39(5):18-24.

[47] NOTERMANS S,DUFRENNE J,TEUNIS P,et al. A risk assessment study ofBacilluscereuspresent in pasteurized milk[J]. Food Microbiology, 1997, 14(2): 143-151.

[48] 褚小菊,馮力更,張筠,等.巴氏牛奶中蠟樣芽孢桿菌的風險評估[J].中國乳品工業,2006,34(6):23-26. CHU X J,FENG L G,ZHANG J,et al.Risk assessment ofBacilluscereusin pasteurized milk[J].China Dairy Industry,2006,34(6):23-26.

[49] NAUTA M J,LITMAN S,BARKER G C,et al. A retail and consumer phase model for exposure assessment ofBacilluscereus[J]. International Joumal of Food Microbiology,2003(83):205-218．

[50] 董慶利.蒸煮米飯中蠟樣芽孢桿菌的定量暴露評估[J].食品科學,2013,34(21):306-310. DONG Q L.Quantitative exposure assessment ofBacilluscereusin cooked rice[J].Food Science,2013,34(21):306-310.

[51] 董慶利,王海梅,劉箐,等.米飯中蠟樣芽孢桿菌劑量效應模型的構建[J].食品安全質量檢測學報,2014,5(4):1021-1027. DONG Q L,WANG H M,LIU Q,et al.Establishment of dose-response model forBacilluscereusin cooked rice[J].Journal of Food Safety and Quality,2014,5(4):1021-1027.

[52] KUMARI S,SARKAR P K. Quantitative risk assessment of human exposure toBacilluscereusgroup associated with household refrigerated storage of pasteurised milk in India[J]. Indian Journal of Dairy Science, 2017, 70(2): 186-192.

[53] DAELMAN J,MEMBRé J M,JACXSENS L,et al. A quantitative microbiological exposure assessment model forBacilluscereusin REPFEDs[J]. International Journal of Food Microbiology, 2013, 166(3): 433-449.

[54] PINA-PéREZ M C,SILVA-ANGULO A B,RODRIGO D,et al. A preliminary exposure assessment model forBacilluscereuscells in a milk based beverage: evaluating high pressure processing and antimicrobial interventions[J]. Food Control, 2012, 26(2): 610-613.

(責任編輯：李 寧)

ProgressofModelingandRiskAssessmentofBacilluscereusinAnimalFoods

DONG Qingli1， CHEN Yuanmei1， DU Jianping2， CUI Yang2， ZHANG Chunyan2， SU Liang3， LIU Qing1

(1.SchoolofMedicalInstrumentandFoodEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China; 2.BeijingMunicipalCenterforFoodSafetyMonitoringandRiskAssessment,Beijing100053,China; 3.ChinaNationalCenterforFoodSafetyRiskAssessment,Beijing100022,China)

Animal products have a very high nutritional value among food components.Bacilluscereusis a common foodborne pathogen in animal foods. This paper reviewed the recent studies on the progress of modeling ofBacilluscereusand its application on the risk assessment. The latest studies about growth models and inactivation models established in foods such as meat, milk and dairy products, eggs and egg products are summarized. Moreover, the interface models and risk modeling application under dynamic environment are also reviewed. As a conclusion, some prospects ofBacilluscereusmodeling are analyzed, which might be referred for further studies.

animal foods;Bacilluscereus; predictive model; risk assessment

10.3969/j.issn.2095-6002.2017.04.003

2095-6002(2017)04-0013-11

董慶利，陳元美，杜建萍，等. 動物性食品中蠟樣芽胞桿菌的建模及風險評估應用進展[J]. 食品科學技術學報，2017,35(4):13-23. DONG Qingli， CHEN Yuanmei， DU Jianping， et al. Progress of modeling and risk assessment ofBacilluscereusin animal foods [J]. Journal of Food Science and Technology, 2017,35(4):13-23.

2017-06-20

“十二五”國家科技支撐計劃項目(2015BAK36B04)；國家自然科學基金面上項目(31271896；31371776)；上海市科委長三角科技聯合攻關領域項目(15395810900)。

董慶利，男，教授，博士，主要從事預測微生物學與風險評估方面的研究。

TS251.1

： A