金枪鱼生鱼片中优势菌群生长预测模型构建与验证
发布时间：2022-02-09 12:50
目的考察不同温度条件下优势菌群的接种浓度对其生长的影响,构建并验证相关数学模型。方法将分离的6株优势生长菌群分别按低浓度2.5～3.0logCFU/g和高浓度4.5～5.0logCFU/g混合接种至无菌金枪鱼样品中,并于恒定温度8～30℃培养,测定其生长曲线。采用一步法对高、低浓度接种的菌群生长数据进行拟合分析,同步构建初级模型（Baranyi模型）和二级模型（Huang Square-Root模型）,并通过另设的3组波动温度条件下的优势菌群生长实验对模型进行验证。结果优势菌群的接种浓度对其生长速率无显著影响;通过一步法对2种接种状态下优势菌群生长数据的合并分析,估计得出金枪鱼中优势菌群的最大生长浓度为9.67logCFU/g,模型的均方根误差（root mean square error,RMSE）0.53logCFU/g;3组波动温度验证试验的RMSE值介于0.22～0.46 logCFU/g。结论本研究构建的预测模型可用于金枪鱼生鱼片等产品中优势腐败菌的生长预测及货架期评估。
【文章来源】：食品安全质量检测学报. 2020,11(24)
【文章页数】：9 页
【部分图文】：
低浓度(A)和高浓度(B)金枪鱼中优势菌群生长曲线一步法拟合分析
图1 低浓度(A)和高浓度(B)金枪鱼中优势菌群生长曲线一步法拟合分析通过一步法分别对低浓度接种的优势菌群的生长数据(共计166数据点)和高浓度接种的优势菌群生长数据(共计157数据点)进行拟合分析,同步构建初级模型(Baranyi模型)和二级模型(HSR模型),估计菌株最大生长浓度Ymax、迟滞期相关表征参数Q0,及二级模型系数a,即=(6,(4,。统计分析和参数估计结果如表1和表2所示。由表1可知,低浓度和高浓度菌群接种状态下,所构建的Baranyi-HSR模型的均方根误差(root mean square error,RMSE)分别为0.55、0.48 log CFU/g,F检验表明模型可用于描述金枪鱼样品中优势菌群的生长(P<0.05)。由表2可知,低浓度接种和高浓度接种状态下,一步法估计的菌群最大生长浓度分别为21.95 ln CFU/g(或9.53 log CFU/g)和22.65 ln CFU/g(或9.83 log CFU/g),两者仅相差0.70 ln CFU/g(或0.30 log CFU/g),无显著差异;低浓度接种时,Q0值为?2.036,其P值2.95×10?6;高浓度接种时,Q0值为?0.647,虽然该估计值可靠性不高(P=0.217),但仍能用于菌群迟滞期状态的描述;低浓度接种和高浓度接种状态下,二级模型系数a值分别为0.077和0.071,两者仅差7.8%,亦无显著差异。
根据前述分析可知,优势菌群的接种浓度对其生长无显著影响,因此,可将恒定温度条件下的6组低浓度接种状态的菌群生长数据与6组高浓度接种状态的菌群生长数据合并(共323个数据点),再通过一步法对新合并的数据集进行联合分析,获得参数,其统计分析和参数估计的结果如表3和表4所示。由表3和表4可知,所构建的Baranyi-HSR模型的均方根误差(RMSE)为0.53 log CFU/g;估计的优势菌群的最大生长浓度Ymax=22.27 ln CFU/g(或9.67 log CFU/g)、Q0=?1.610、二级模型系数a=0.075,3个参数的估计值均显著,且高、低接种状态的2大组数据联合分析时,3个参数的置信区间比前述单独分析时的参数置信区间更窄,说明联合分析结果更优,模型累积误差更小。将一步法求解的参数{P}代入式(1)、(2)、(4),可正向计算出各实验温度条件下金枪鱼样品中沙门氏菌生长的预测曲线,由图3可知,模型预测值与实验观测值相接近,说明构建的Baranyi-HSR模型能够较准确地描述金枪鱼中沙门氏菌的生长。温度对金枪鱼样品中优势菌群生长速率的影响如图4所示。需要指出的是,本研究中的优势菌群包含假单胞菌、希瓦氏菌、芽孢杆菌、微球菌和气单胞菌,其生长速率近似看作菌落总数的增长速率。因此,图4还将本研究中优势菌群的生长速率与相关文献报道结果进行了对比。于祝祝等[24]研究了三文鱼中菌落总数、假单胞菌、希瓦氏菌的生长规律,由图4可知,当温度大于10℃时,菌落总数和希瓦氏菌温度-生长速率的关系曲线几乎与本研究的结果相一致;当温度小于10℃时,本研究中二级模型预测的生长速率小于文献报道的结果,这主要是由二级模型之间的差异导致,上述文献选择Ratkowsky平方根模型[25]作为二级模型,而本研究选择Huang平方根模型(式(2))作为二级模型,并将最低生长温度Tmin固定设置在冰点(0℃),更符合实际意义。
【参考文献】：
期刊论文
[1]全球金枪鱼种群资源量保持较稳定水平[J]. 王茜. 渔业信息与战略. 2020(03)
[2]生食大眼金枪鱼中生物胺产生菌的分离与鉴定[J]. 李少丽,邓建朝,李春生,杨贤庆,吴燕燕,陈胜军,马海霞. 食品与发酵工业. 2020(14)
[3]基于一步法的金枪鱼生鱼片沙门氏菌生长数值模拟[J]. 李晓婷,李长城,刘丽敏,张子叶,闫晓彤,方婷. 中国食品学报. 2020(04)
[4]大西洋鲑贮藏过程中微生物生长预测系统的构建[J]. 于祝祝,林洪,王静雪. 食品科学. 2020(09)
[5]基于高通量分析流通方式对大目金枪鱼品质与微生物种群变化影响[J]. 蓝蔚青,车旭,巩涛硕,张墨言,孙晓红,肖蕾,谢晶. 食品科学. 2019(20)
[6]冷藏金枪鱼优势腐败菌致腐败能力[J]. 刘爱芳,谢晶,钱韻芳. 食品科学. 2018(03)
[7]傅里叶变换近红外光谱技术快速检测金枪鱼新鲜度[J]. 陶瑞,史智佳,贡慧,杨震,刘梦,王辉. 肉类研究. 2017(04)
[8]金枪鱼保鲜技术及其假单胞菌适冷机制的研究进展[J]. 章缜,杨胜平,谢晶,钱韻芳,程颖. 食品工业科技. 2017(08)
[9]基于不同初始接菌量的铜绿假单胞菌生长模型[J]. 董庆利,王忻,苏亮,刘箐. 农业机械学报. 2015(12)
[10]不同冷链物流过程对金枪鱼品质及组织形态的影响[J]. 汤元睿,谢晶,李念文,徐慧文,苏辉,黎柳,潘文龙. 农业工程学报. 2014(05)
硕士论文
[1]金枪鱼低温保鲜技术与微生物演替变化规律的研究[D]. 刘爱芳.上海海洋大学 2017
本文编号：3617039
【文章来源】：食品安全质量检测学报. 2020,11(24)
【文章页数】：9 页
【部分图文】：
低浓度(A)和高浓度(B)金枪鱼中优势菌群生长曲线一步法拟合分析
图1 低浓度(A)和高浓度(B)金枪鱼中优势菌群生长曲线一步法拟合分析通过一步法分别对低浓度接种的优势菌群的生长数据(共计166数据点)和高浓度接种的优势菌群生长数据(共计157数据点)进行拟合分析,同步构建初级模型(Baranyi模型)和二级模型(HSR模型),估计菌株最大生长浓度Ymax、迟滞期相关表征参数Q0,及二级模型系数a,即=(6,(4,。统计分析和参数估计结果如表1和表2所示。由表1可知,低浓度和高浓度菌群接种状态下,所构建的Baranyi-HSR模型的均方根误差(root mean square error,RMSE)分别为0.55、0.48 log CFU/g,F检验表明模型可用于描述金枪鱼样品中优势菌群的生长(P<0.05)。由表2可知,低浓度接种和高浓度接种状态下,一步法估计的菌群最大生长浓度分别为21.95 ln CFU/g(或9.53 log CFU/g)和22.65 ln CFU/g(或9.83 log CFU/g),两者仅相差0.70 ln CFU/g(或0.30 log CFU/g),无显著差异;低浓度接种时,Q0值为?2.036,其P值2.95×10?6;高浓度接种时,Q0值为?0.647,虽然该估计值可靠性不高(P=0.217),但仍能用于菌群迟滞期状态的描述;低浓度接种和高浓度接种状态下,二级模型系数a值分别为0.077和0.071,两者仅差7.8%,亦无显著差异。
根据前述分析可知,优势菌群的接种浓度对其生长无显著影响,因此,可将恒定温度条件下的6组低浓度接种状态的菌群生长数据与6组高浓度接种状态的菌群生长数据合并(共323个数据点),再通过一步法对新合并的数据集进行联合分析,获得参数,其统计分析和参数估计的结果如表3和表4所示。由表3和表4可知,所构建的Baranyi-HSR模型的均方根误差(RMSE)为0.53 log CFU/g;估计的优势菌群的最大生长浓度Ymax=22.27 ln CFU/g(或9.67 log CFU/g)、Q0=?1.610、二级模型系数a=0.075,3个参数的估计值均显著,且高、低接种状态的2大组数据联合分析时,3个参数的置信区间比前述单独分析时的参数置信区间更窄,说明联合分析结果更优,模型累积误差更小。将一步法求解的参数{P}代入式(1)、(2)、(4),可正向计算出各实验温度条件下金枪鱼样品中沙门氏菌生长的预测曲线,由图3可知,模型预测值与实验观测值相接近,说明构建的Baranyi-HSR模型能够较准确地描述金枪鱼中沙门氏菌的生长。温度对金枪鱼样品中优势菌群生长速率的影响如图4所示。需要指出的是,本研究中的优势菌群包含假单胞菌、希瓦氏菌、芽孢杆菌、微球菌和气单胞菌,其生长速率近似看作菌落总数的增长速率。因此,图4还将本研究中优势菌群的生长速率与相关文献报道结果进行了对比。于祝祝等[24]研究了三文鱼中菌落总数、假单胞菌、希瓦氏菌的生长规律,由图4可知,当温度大于10℃时,菌落总数和希瓦氏菌温度-生长速率的关系曲线几乎与本研究的结果相一致;当温度小于10℃时,本研究中二级模型预测的生长速率小于文献报道的结果,这主要是由二级模型之间的差异导致,上述文献选择Ratkowsky平方根模型[25]作为二级模型,而本研究选择Huang平方根模型(式(2))作为二级模型,并将最低生长温度Tmin固定设置在冰点(0℃),更符合实际意义。
【参考文献】：
期刊论文
[1]全球金枪鱼种群资源量保持较稳定水平[J]. 王茜. 渔业信息与战略. 2020(03)
[2]生食大眼金枪鱼中生物胺产生菌的分离与鉴定[J]. 李少丽,邓建朝,李春生,杨贤庆,吴燕燕,陈胜军,马海霞. 食品与发酵工业. 2020(14)
[3]基于一步法的金枪鱼生鱼片沙门氏菌生长数值模拟[J]. 李晓婷,李长城,刘丽敏,张子叶,闫晓彤,方婷. 中国食品学报. 2020(04)
[4]大西洋鲑贮藏过程中微生物生长预测系统的构建[J]. 于祝祝,林洪,王静雪. 食品科学. 2020(09)
[5]基于高通量分析流通方式对大目金枪鱼品质与微生物种群变化影响[J]. 蓝蔚青,车旭,巩涛硕,张墨言,孙晓红,肖蕾,谢晶. 食品科学. 2019(20)
[6]冷藏金枪鱼优势腐败菌致腐败能力[J]. 刘爱芳,谢晶,钱韻芳. 食品科学. 2018(03)
[7]傅里叶变换近红外光谱技术快速检测金枪鱼新鲜度[J]. 陶瑞,史智佳,贡慧,杨震,刘梦,王辉. 肉类研究. 2017(04)
[8]金枪鱼保鲜技术及其假单胞菌适冷机制的研究进展[J]. 章缜,杨胜平,谢晶,钱韻芳,程颖. 食品工业科技. 2017(08)
[9]基于不同初始接菌量的铜绿假单胞菌生长模型[J]. 董庆利,王忻,苏亮,刘箐. 农业机械学报. 2015(12)
[10]不同冷链物流过程对金枪鱼品质及组织形态的影响[J]. 汤元睿,谢晶,李念文,徐慧文,苏辉,黎柳,潘文龙. 农业工程学报. 2014(05)
硕士论文
[1]金枪鱼低温保鲜技术与微生物演替变化规律的研究[D]. 刘爱芳.上海海洋大学 2017
本文编号：3617039
本文链接：https://www.wllwen.com/wenshubaike/jieribaike/3617039.html
