Upload
pugario
View
1.583
Download
0
Embed Size (px)
Citation preview
“
MICROBIOLOGÍA PREDICTIVA
CURSO :BIOTECNOLOGIA DE LOS PAI
DOCENTE :M.Sc. VICTOR VASQUEZ VILLALOBOS
INTEGRANTES : AGUIRRE ÁVILA, JESUSAQUINO CRUZADO, EVERT
CICLO :IX
TRUJILLO - PERÚ 2008
MICROBIOLOGIA PREDICTIVA
I) INTRODUCCION
La microbiología predictiva comprende el estudio de la respuesta de
crecimiento, o de inhibición, de microorganismos que crecen en alimentos, en
función de factores que les afecten (temperatura, pH, gases, etc.) y a partir de
estos datos predecir lo que sucederá durante el almacenamiento, procesado,
etc.
II) MARCO TEORICO :
Modelos de Microbiología Predictiva
La microbiología predictiva consiste en la predicción a través de modelos, del
comportamiento de patógenos alimentarios en respuesta a las condiciones
ambientales que se dan en la producción de alimentos y en las operaciones del
procesado. Los modelos predicen el tiempo que tardarían los patógenos en
empezar a proliferar bajo determinadas condiciones y a qué velocidad
crecerían una vez que comienzan.
Un equipo de científicos del Servicio de Investigación Agrícola de EUA (ARS)
ha centrado sus trabajos en modelizar el crecimiento y la supervivencia de
Salmonella y Campylobacter en pollo.
Hasta el momento, los modelos habían sido desarrollados sin tener en cuenta
otros microorganismos presentes en los alimentos. Esto suponía la predicción
de un número mucho más alto de patógenos de los que habría en realidad, al
obviar la competencia con otros microorganismos.
Este equipo está desarrollando modelos que tienen en cuenta la competencia
con otros microorganismos presentes en los alimentos, para que sean más
realistas y poder hacer mejores predicciones. En este marco, han desarrollado
un sistema llamado “método de predicción en zona aceptable” que establece
criterios para verificar y validar modelos existentes, los clasifica según su
validez y ofrece posibles cambios en caso de ser necesarios. Los modelos se
evalúan bajo condiciones específicas para ver cuales satisfacen los estándares
establecidos y demuestran un nivel de aceptabilidad que permita su uso por la
industria agroalimentaria.
Estos investigadores están trabajando principalmente con dos métodos. Uno de
ellos consiste en introducir un gen en la bacteria de Salmonella para hacerla
brillar y así detectar su presencia entre otros microorganismos en la carne de
pollo. El segundo método se basa en una cadena de Salmonella resistente a un
antibiótico para evaluar su crecimiento.
Estos nuevos modelos podrían permitir acelerar el uso de los mismos por la
industria alimentaria y por otros profesionales en el campo de la microbiología
predictiva.
Figura: de los salto de obstáculos.
FACTORES
Factores intrínsecos;
• Nutrientes
• pH y capacidad tampón
• Potencial redox
• Actividad de agua
• Constituyentes antimicrobianos
• Estructuras antimicrobianas
Factores ambientales o extrínsecos
•Humedad relativa
•Temperatura
•Atmósfera gaseosa
Factores implícitos
•Velocidad de crecimiento específico
• Sinergismo
• Antagonismo
• Comensalismo
Factores de la elaboración o tratamiento
• Cortado en rodajas
• Lavado
• envasado
• Irradiación
• Pasterización
• Otros
¿Cómo se hacen?
• DISEÑO
• ACUMULACION DE DATOS
• AJUSTE DE LA CURVA DE CRECIMIENTO / INHIBICIÓN
• MODELO
• VALIDACIÓN
• PREDICCIÓN
1. Estrategia para Diseño experimental (Davies 1993):
• Definir objetivo experimental
• Enumerar todas las variables y grado importancia
• Rango de fluctuación de variables
• Selección del medio o sustrato
• Características del inóculo
• Competencia con otros microorganismos
2. Acumulación de datos
METODOS INDIRECTOS; Recuento En Placas; Material, tiempo y de esfuerzo
METODOS DIRECTOS; Métodos instrumentales
• Métodos eléctricos: conductancia, impedancia• Turbidimetría; Ventajas: Rapidez, fiabilidad, no destructiva, económica• Citometría de flujo• Bioluminiscencia• Espectroscopía de infrarrojos
3. Ajuste de la curva
Parámetros cinéticos que estima el modelo
Tasa de crecimiento específica máxima (μ máx.) Tiempo de generación (g) o tiempo de duplicación (Td) (“doubling time”) Tiempo de adaptación ((lag-time)) Tiempo en alcanza X nivel o ufc/ml Tiempo en incrementarse 2 unidades logarítmicas
Comportamiento general de microorganismos
Cuando la temperatura aumenta la tasa de crecimiento también aumenta
Cuando la temperatura aumenta el tiempo de adaptación disminuye
4. Modelización
Parámetros de crecimiento Variables
tasa de crecimiento temperaturafase de adaptación pH, conservantes, el máximo de crecimiento acidos organicos,co2,
competencia entre microorganismos
Modelos secundarios
Ecuación de Arrhenius Modelo de Raíz Cuadrada Modelo de Respuesta en Superficie Redes neuronales
5. Validación del modelo
1º. Validación matemática
verifica la precisión de los modelos generados
2º. Validación en el alimentodemostrar que predicen con exactitud el comportamiento de microorganismos durante procesado, almacenamiento y distribución
CRITERIOS DE DECISIÓN
MÉTODO •Representación gráfica•Indices
DATOS OBSERVADOS
Evolución de E. coli O157:H7 en productos cárnicos cocidos
JAMÓN COCIDO
Tasa de crecimientoL;
10 ºC 0.0338 h-1
13.5 ºC 0.0426 h-1
17.7 ºC 0.0426 h-1
MÉTODO DE VALIDACIÓN
Bf: factor sesgo; Af: factor exactitud
6. Predicción;
Objetivo práctico final elaborar gráficos y predicciones
MODELOS TERCIARIOS
Food MicroModel ? Combase
PMP (Pathogen Modelling Program)
SSP (Seafood Spoilage Predictor)
Chefcad software
Decision support system (DSS)
Food Spoilage Predictor (FSP)
MIRINZ-software
Quantitative Risk Assessment (QRA)
TIPOS DE MODELOS MATEMÁTICOS
• SEGÚN SU FINALIDAD:
– Modelos probabilísticos
• microorganismos patógenos
• ej. Cl. botulinum : se calculará la probabilidad de producción de toxina
– Modelos cinéticos
• microorganismo alterantes
• ej. Lactobacillus plantarum: se buscará predecir el tiempo de generación, la
tasa específica de crecimiento o el tiempo de adaptación
• SEGÚN EL FUNDAMENTO MATEMÁTICO
– Modelo empírico: ajuste a partir de los datos obtenidos experimentalmente
– Modelo mecanístico: parte de una base teórica biológica.
Esquema propuesto por Whiting y Buchanan (1993)
MODELOS PRIMARIOS
Cambio en el número de microorganismos en el tiempo bajo ciertas
condiciones ambientales.
Ecuación Gompertz
Ecuación Baranyi y Roberts
Modelo lineal en 3 fases
MODELOS SECUNDARIOS
Cambios en los parámetros de crecimiento frente a los factores ambientales
Modelos Raíz cuadrada
Ecuaciones polinómicas
Redes Neuronales Artificiales
MODELOS TERCIARIOS
Programas informáticos
Food MicroModel ? Combase
PMP (Pathogen Modelling Program)
SSP (Seafood Spoilage Predictor)
Chefcad software
Decision support system (DSS)
Food Spoilage Predictor (FSP)
MIRINZ-software
Quantitative Risk Assessment (QRA)
MODELO PRIMARIO
MODELO SECUNDARIO
Respuesta en Superficie:
MODELO SECUNDARIO
Capa de Capa Entrada oculta
Parámetro de crecimiento:
Nº de niveles o capas
Nº de neuronas por capa
Grado de conectividad entre nodos: pesos
Tipo de conexión entre neuronas
Modelo de probabilidad
h