微生物的预测预报
在食品工业中，无论是产品的生产工艺还是安全控制，微生物因素都是一个不容忽视的重要因素。我们既要利用微生物的有益方面改善食品的品质，又要通过有害微生物的控制来保障食品安全。传统上，预测特殊微生物存活的常见方法有三种：第一种方法是专家的判断：基于食品微生物学家的个人经验或他们出版的论著，这种方法可能相当有效，但提供的定量数据极少。第二种方法是采用问题试验(challenge test)：主要是通过将一定量的病原微生物接种到食品中，在食品保存过程中通过连续取样来检测微生物的生长或衰退情况，以评估食品病原微生物的生长和产生毒素的风险或对最终产品进行检验。然而这种方法耗时长，加之新型食品的生产量日益增加，无法完全通过实验室的工作来评估每一种产品中可能发生的和潜在的食品病原微生物情况。第三种方法是使用数学模型：数学模型是一种用数学概念如自变量、因变量、函数、方程等建立起来的模型，这种方法使用越来越普遍。
中国冷却肉生产行业起步不久，一些新建的企业，从厂房建设到设备全套引进国外技术，硬件达到国际先进水平，但是生产技术等软件跟不上，往往会造成有先进设备却生产不出一流产品的现象。对于肉类工业，传统的方法是对样品进行检验，然而这种检验不能保证总体消费的安全性，原料肉中有各种各样的微生物，生产中采取措施可以控制和减少微生物的种类和生长。然而，在我国，由于冷链系统不完善，控制系统的变化或失败使微生物的出现或重新出现，会导致微生物的大量繁殖。微生物的预测能处理这些事情，其魅力在于利用存在的数据去预测未来发展趋势，对实际的生产和流通过程进行监控，可以提高我国肉类工业的技术水平。
1 预测微生物学的概念及发展历史 1.1预测微生物学的概念
食品预测微生物学(Food Predictive Microbiology)是一门在微生物学、数学、统计学和应用计算机科学基础上建立起来的新学科。它的发展方向是研究和设计一系列能描述和预测微生物在特定条件下生长和衰亡的模型。其目的是通过计算机和配套软件应用于食品工业，增加理解微生物与食品之间的复杂关系，在不进行微生物检测的条件下快速对产品安全性和货架期进行预测，实现从原料、加工到产品的贮存、销售整个体系的计算机智能化管理和监控，保证食品的安全。它不仅可以预测产品在贮藏、运输、销售、消费等各个环节的质量和安全性，而且还可用于产品的安全性预报、新产品开发、操作人员培训、科研实验及结果分析等。 1.2 预测微生物学发展历史
预测微生物学的历史最早可以追溯到19世纪20年代初，人们认识到孢子的热灭活表现为动力学趋势，由此开发了阿列纽斯(Arrhenius)方程和Bigelow模型来描述温度对耐高温微生物的影响，预测微生物学在此基础上初具雏形。19世纪80年代，现代信息技术和计算机技术的迅猛发展为预测微生物学的建模提供了先进的技术支持，80年代初，ROSS.T等提出“微生物预报技术”这一概念。1983年，报道了一个30人的食品微生物学家小组，应用直观预测的Delphi工艺[5]，用计算机预测了食品货架期，开发了腐败菌生长的数据库的成果，从此揭开了预测微生物学序幕。90年代初，个人电脑的普及极大地推动了预测微生物学的发展。1990年，欧盟15国和冰岛、挪威、瑞士组成FLAIR FLOW EUROPE研究机构，开
始对微生物预报技术进行大规模的研究，建立了微生物的特征数据库[6 ]。此后预测微生物学得到迅猛发展，它的巨大潜力吸引了研究者的巨大的兴趣和资金，现在已成为食品微生物领域最活跃的研究方向之一[7]。
虽然预测微生物学创始之初，一些食品微生物学家和食品工艺学家认为微生物预测不够准确可靠，但经实验证明预测微生物的模型误差不大于微生物实验所带来的误差，这使预测模型在食品工业和食品监控领域获得了信任。当前的食品预测微生物学发展迅速，在Food Microbiology，International Journal of Food Microbiology，Journal of Food Protection等杂志期刊有大量论文发表；并有Modelling microbial responses in foods，Modeling microorganisms in food[8]等专著发表；食品预测微生物国际研讨会每4年举办1次，2007年9月第五届食品预测微生物国际研讨会在希腊雅典召开。预测微生物学已经发展成为一门专门的学科。
目前，国内外对预测食品微生物学的研究工作非常关注，美国、英国、澳大利亚、丹麦等国家致力于微生物预报软件的开发，能够对食品货架期进行有效的预侧和致病菌风险评。国内也不断有新的模型建立，用以控制各类食品。如对肉制品，水产品，传统发酵白酒及粮食储藏中预测微生物模型都有研究。 2 预测微生物学模型的分类
预测微生物学是在数学模型的基础上建立起来的，其分类从横向水平上看，依据描述微生物的情况，分为描述微生物生长的数学模型和描述微生物失活的数学模型，描述微生物生长的数学模型分为以动力学为基础的模型和以概率为基础的模型。其中动力学模型可用于表征不同环境条件下微生物生长特性随时间的变化规律，主要用于食品品质预测；概率模型属于典型的经验模型，它是在特定的环境条件下来表征微生物生长及其产毒的概率，用于分析食品中致病菌出现的概率，从而评估食品在生产、贮藏及消费过程中的安全性。
从纵向水平上看，通常根据Whiting和Buchanan的分类方法，将每个预测模型分为3个不同层次的模型水平，即一级模型、二级模型和三级模型。一级数学模型是描述在特定的培养条件下，一种微生物对时间的生长或存活曲线，表达微生物量与时间的函数关系，既微生物的响应。而表征微生物响应的模型响应参数则有每毫升的菌落形成单位数、毒素产生、底物浓度及代谢产物浓度等。初级模型主要包括：Gompertz函数、对数方程(Logistic function)等。Gompertz模型是1990年代初期应用最普遍的S型曲线。
二级模型描述的是培养和环境变量（温度、pH值、水分活度、O2浓度、CO2浓度、氧化还原电势、营养物浓度和利用率，以及防腐剂等）对微生物生长或存活特性的影响。较为常用的有平方根模型(Square Root Model)、反应表面方程(Response Surface Equation)、Arrhenius Relationship模型等。
三级模型主要指建立在一级和二级模型之上的电脑应用软件程序。目前世界上已开发的预测软件多达十几种，其中以美国农业部开发的病原菌模型程序PMP（Pathogen Modeling Program）、加拿大开发的微生物动态专家系统MKES（Microbial Kinetics Expert System），以及英国农粮渔部开发的食品微生物模型FM（Food Micromode）最为著名。一般预测模型包括温度、PH、Aw和防腐剂等几种主要栅栏因子及其相互作用，加工者可根据计算机数据库提供的栅栏，预测未成型产品的可贮性及可能生长繁殖的微生物。图1显示了微生物预测
模型的分类，表1列举了常用的微生物生长预测一级、二级及三级模型。
图1 微生物预测数学模型分类 表1 微生物生长预测模型
一级模型 Primary models Gompertz function Logistic model Baranyi model Rosso model Monod model D value of inactivation
二级模型 Secondary models Square root models Arrhenius model Arrhenius model Response surface models
γ-models Z models
三级模型 Teriary models
Pathogen Modeling Programme
Growth Predictor Pseudomonas Predictor
ComBase Sym’Previus
Seafood Spoilage and Safety Predictor
3 微生物预测模型 3.1 一级模型
（1）线型和Logistic 模型
线性模型的表述为：logN=A+kt；
其中，logN ：微生物在时间t 时常用对数值；
A：随时间无限减小时渐进对数值(相当于初始菌数)； k ：生长速率。
Logistic 模型的表述为：y＝A /{1+exp[4μm(λ-t)/A+2]}；
其中，y ：微生物在时间t 时相对菌数的常用对数值,即logNt/N0；
A ：相对最大菌浓度, 即logNmax/N0； μm：表示生长速率； λ ：迟滞期。
一级模型使用简单方便，但对微生物生长预测的准确性不高，适合在生长环境和影响因素单一时使用，在情况复杂时应考虑使用其他模型代替。 （2）Gompertz 模型
微生物预测预报
