我国食品微生物定量风险评估的研究进展

董庆利，王海梅，Pradeep K MALAKAR，刘 箐，宋筱瑜，田明胜，陆冉冉

我国食品微生物定量风险评估的研究进展

董庆利1，王海梅1，Pradeep K MALAKAR2，刘 箐1，宋筱瑜3，田明胜4,5，陆冉冉1

（1.上海理工大学医疗器械与食品学院，上海 200093；2.英国食品研究所，诺里奇 NR4 7UA，英国；3.国家食品安全风险评估中心，北京 100021；4.上海市食品药品监督管理局执法总队，上海 200032；5.复旦大学公共卫生学院，上海 200032）

近10余年来，我国政府重视食品安全并逐渐加强风险分析体系的构建和实施。根据历年来国家卫生与计生委的统计数据，表明由致病微生物导致的食物中毒发病率一直高于其他危害。食源性致病菌引起的食品安全风险是全球性问题，发展中国家面临的情况更为严峻，因此加强我国微生物定量风险评估以减少与发达国家的差距，从国家层面上势在必行。特别是2009年我国颁布实施《食品安全法》和2011年成立国家食品安全风险评估中心（China National Center for Food Safety Risk Assessment，CFSA）以来，已有不少针对国内具体食品致病菌情况开展的食品微生物定量风险评估（quantitative microbial risk assessment，QMRA）研究。本文对2000年至今我国已开展的QMRA研究，包括涉及的食品、致病菌、微生物预测模型、剂量-效应模型等进行详细综述。同时指出我国开展QMRA面临的技术性难题及解决方法，并对采用QMRA结果用于构建危害分析与关键控制点（Hazard Analysis and Critical Control Point，HACCP）和食品安全目标（ food safety objective，FSO）以及执行目标（performance objective，PO）的应用前景进行探讨。建议加强风险评估与风险管理的互动交流、进一步完善风险监测、微生物限量制定和国际合作，在完善实施指南的基础上针对我国具体国情开展更多具有科学性和系统性的QMRA研究。

微生 物定量风险评估；致病菌；预测微生物学

食品安全问题已成为社会公众最关注的热点话题之一。近年来，频发的食品安全事故不仅造成极大的资源浪费和安全隐患，更引发公众对国内食品行业和食品安全监管体系的信任危机。其中，食源性致病菌作为影响全球食品安全和危害公众人体健康的主要因素之一，对其进行风险评估是保障食品安全、促进食品贸易的重要手段。因此，为生产更安全的食品、减少食源性疾病的暴发水平，进一步完善我国食品安全监管体制并加强风险分析尤其是微生物定量风险评估（quantita tive microbial risk assessment，QMRA）工作刻不容缓。本文综述我国食品法律法规的发展进程、致病菌导致食源性疾病现状及2000年至今我国已有的QMRA研究进展，同时指出我国开展QMRA面临的技术性难题及解决方法，并对采用QMRA结果用于构建危 害分析与关键控制点（Hazard Analysis and Critical Control Point，HAC CP）和食品安全目标（ food safety objective，FSO）/执行目标（performance objective，PO）的应用前景进行探讨，对将来开展QMRA提供建议和思考。

1 我国微生物风险评估基本现状

1.1 我国食品法律法规的发展进程

1995年，基于1982年《食品卫生法（试行）》的新《食品卫生法》颁布实施。然而，一些专家指出该法并不能更好地保护消费者免受不法生产食品造成的严重危害，并且缺乏对重大食品安全问题的应对体制[1]。2008年三聚氰胺事件推动了《食品安全法》的颁布实施，新法规在从制度上解决现实生活中存在的食品安全问题，保障公众身体健康和生命安全[2]，并于2013年对此法进行了修订，以改善过去4 年实施过程中面临的具体执行问题。除加强法律实施外，近几十年来我国政府始终致力于全方位、多层次地改善食品安全管理体系。包括国家食品药品监督管理局、卫生部、农业部、国家质量监督检疫检验总局、国家工商行政管理总局等在内的14 个部门组成的复杂体系增加了各部门间相互合作和协调的难度，因此，急需提高不同部门之间的责任分工和规 范协调能力[3]。2013年初，国家食品药品监督管理总局（原国家食品药品监督管理局）成立，成为国务院综合监督食品安全管理的直属机构，为打破食品安全监管“多龙治水”的局面奠定了法律基础。

1.2 致病菌导致食源性疾病现状

国内曝光的食品安全事故多起因于化学性危害（如三聚氰胺、瘦肉精、地沟油等），然而，食源性致病菌对食品安全和人体健康产生的危害同样不容 忽视。根据2012年国家卫生和计划生育委员会（原国家卫生部）统计数据，表明由 致病微生物导致的食物中毒发病率高于其他危害（3 749 人/6 685 人，56.1%）。其中沙门氏菌、蜡样芽孢杆菌、副溶血弧菌、大肠杆菌、金黄色葡萄球菌等是最常见的几种食源性致病菌[4]，同时也是国内食源性致病菌重点检测和评估对象。上述统计结果表明，国内食源性疾病报告的数字明显低于英国（2012年为97 701 人次）[5]和美国统计数字（2012年为19 531 人次）[6]。然而，众所周知，仅部分罹患食源性疾病的患者能够及时寻求正规医疗护理，世界各国食源性疾病的漏报率都非常高，发展中国家更是如此，致使调研得到的数据很可能仅为真实爆发数据的“冰山一角”[3]。因此，进一步完善国家食源性疾病监测体系，成为保护消费者健康、保障国家食品安全的首要目标之一。

1.3 MRA的概念和基本组成

根据世界卫生组织定义，MRA是指利用现有的科学资料对食品中某种特定微生物产生危害的可能性和严重性进行描述的过程。另外，基于预测微生物学和数学模型的评估称为微生物定量风险评估，结合其他相关资料，将致病微生物的摄入量与其对人体产生不良作用的概率关系进行数学描述，可为风险管理政策的制定提供理论支持[7-8]。

在过去20 年里，各国政府日益重视食品安全问题并逐渐加强风险分析体系的构建和实施，目前已有许多将风险分析体系成功应用于食品安全分析的案例。食品法典委员会在报告中指出，风险分析由风险评估、风险管理和风险交流三部分组成，三者在保障食品安全和公共卫生的共同目标上各尽其能[9]。其中风险评估包括危害识别、危害特征描述、暴露评估和风险特征描述4 个步骤[10]，是整个风险分析体系的科研核心和基础，其结果为食品安全标准的制定和食品安全监督管理措施的实施提供科学依据[11]。

1.4 我国食品MRA研究现状

2009年，国家《食品安全法》正式实施；同年，首届国家食品安全风险评估专家委员会在北京成立，我国政府开始加强对食品风险分析的研究。2011年10月，国家食品安全风险评估中心（China National Center for Food Safety Risk Assessment，CFSA）正式成立，作为唯一负责食品安全风险评估的国家级技术机构，承担国家食品安全风险评估、监测、预警、交流和食品安全标准等技术支持工作。目前，CFSA完成了我国从零售到餐桌鸡肉中沙门氏菌定量风险评估工作，评价了不同人群通过进食鸡肉暴露于沙门氏菌的可能性及对健康的危害，并提出了降低人群进食鸡肉感染沙门氏菌风险的干预措施和建议。另外，熟制鸡肉中空肠弯曲杆菌、即食食品中单核细胞增生李斯特氏菌（单增李斯特菌）、牡蛎中副溶血弧菌等定量风险评估工作仍在进行之中。

近年来，除CFSA外，国内有关专家也相继完成了一系列定量风险评估工作，如中国带壳鸡蛋中沙门氏菌[12-13]、猪肉中金黄色葡萄球菌[14]、散装熟肉制品中单增李斯特菌[15]、杂色蛤中副溶血弧菌[16]、日常饮食中赭曲霉毒素A[17]、米饭中蜡样芽孢杆菌[18]、谷物和油脂制品中霉菌毒素[19]等。上述研究成果多发表于国内期刊，而来源于国际期刊并与中国QMRA相关的文献数量远低于欧洲、美国、加拿大和澳大利亚等发达国家。Hung等[20]调研结果表明，截至2011年12月，在以QMRA为主题的463 篇文献中，仅有3.5%来自包括中国在内的发展中国家。食源性致病菌引起的食品安全是全球性问题，发展中国家面临的情况更严峻，因此发展中国家在加强微生物定量风险评估以缩小与发达国家研究差距的工作上任重而道远。

2 国内QMRA的研究进展

2.1 常见致病菌与食物载体

在信息检索平台Web of Knowledge[21]以“micro、risk、assess、China”为关键词，在中国知识资源总库（China National Knowledge Infrastructure，CNKI）[22]以微生物、风险评估、食品等关键词进行检索，将我国已开展的QMRA工作总结列于表1。

表1 国内QMRA研究中常见致病菌和涉及的食物Table 1 Pathogens and food vectors concerned in QMRA research in China

截止2013年12月，在Web of Knowledge中检索得到265 篇相关文献，但仅有不到10 篇与中国QMRA相关。另外，值得注意的是，一些在国外从事QMRA研究的中国专家开展的研究通常与中国并不相关。在CNKI进行检索，结果表明，在2000—2013年间，约3 700 篇学术论文符合检索要求，但其中仅有121 篇与QMRA相关。进一步调研发现，在121 篇与QMRA相关的文献中，严格基于预测微生物模型和（或）剂量-反应模型进行定量风险评估的研究数量更少。

从表1中列举的典型定量风险评估研究可知，副溶血弧菌、沙门氏菌、单增李斯特菌、金黄色葡萄球菌、蜡样芽孢杆菌等是国内QMRA最常见的评估对象，而牡蛎、虾、三文鱼、鸡蛋、米饭、猪肉等食物则是最常被关注的致病菌载体。如何确定对哪种食物中哪种致病菌进行评估，是从危害识别阶段开始的。以早期对带壳鸡蛋中沙门氏菌[12-13]的评估为例：1991—1996年 期间，我国共报告沙门氏菌食物中毒731 起，占食物中毒事件总数的9.2%，中毒人数 39 181 人，占总中毒人数的19.2%。同期，由蛋类引起的食物中毒166 起，中毒人数4 207 人，中毒事件数与中毒人数均居微生物食物中毒的首位。此项研究为中国每年沙门氏菌病暴发风险进行科学评估提供了依据， 然而，该评估所用模型仅涉及内部被沙门氏菌污染的鸡蛋，对于其他来源的沙门氏菌污染并不适用，且用于设定鸡蛋在运输、贮存等各阶段时间和温度的参数分布数据来源较少，因此评估结果可能存在较大不确定性。

发达国家QMRA工作的开展要早于国内，在2002—2013年期间，联合国粮食及农业组织（Food and Agriculture Organization of the United Nations，FAO）/世界卫生组织（World Health Organization，WHO）在其主页上公布了19 个微生物定量风险评估系列[49]。其中包括：鸡肉和鸡蛋中沙门氏菌、即食食品中单增李斯特菌、婴儿配方奶粉中阪崎肠杆菌、牡蛎中创伤弧菌、海产品中副 溶血弧菌、生牛肉中大肠杆菌和鸡肉中空肠弯曲杆菌等。除上述国际组织外，欧洲食品安全局（European Food Safety Authority，EFSA）为支持食品安全政策制定，探讨了QMRA的潜在应用，并于2006年开展了猪肉中沙门氏菌[50]、鸡肉中弯曲杆菌[51]的定量风险评估工作，开启了欧盟在整个欧洲层面实施从农场到餐桌的定量风险评估工作的先河。另外，许多国家也开展了类似工作，如美国农业部及食品安全与检查局（United Sta tes Department of Agriculture/Food Safety and Inspection Service，USDA/FSIS）相继开展了即食食品中单增李斯特菌[52]、牛肉中大肠杆菌O157:H7[53]、带壳鸡蛋及蛋制品中肠炎沙门氏菌[54]等QMRA工作，且结果被广泛用于评估公众食用上述食物的风险并为消费者提出科学建议。充分恰当地利用QMRA结果帮助政府和企业增强风险管理能力、预防和控制微生物危害、从而提高整体食品安全水平的举动值得CFSA和国内相关专家借鉴参考。

2.2 国内QMRA常用模型

微生物预测模型（predictive model，PM）和剂量-效应模型（dose response model，DRM）通常被应用于微生物风险特征描述阶段，评估特定危害对特定人群产生的影响。自1980年来，计算机技术的成熟促进了PM和DRM的快速发展，并使其成为QMRA的两个重要组成部分[11,55]。

2.2.1 PM

预测微生物学是一门运用数学模型定量描述特定环境条件下微生物的生长、存活和死亡动态的学科。微生物预 测模型分为一级模型、二级模型和三级模型3 个级别。其中，一级模型用于描述一定生长条件下微生物生长、失活与时间之间的函数关系；二级模型表达由一级模型得到的参数与环境因素之间的函数关系；三级模型主要是指建立在一级和二级模型基础上的计算机软件程序，用于预测相同或不同环境条件下同一种微生物的生长或失活情况[56]。由表1可知，国内QMRA应用最多的一级模型包括Gompertz模型[16,23-24,26,28]及其修正式[18,33]和Baranyi模型[32]，同时它们也是微生物预测领域最常用模型[57-58]。另外，二级模型中的平方根模型因使用方便、参数单一，能很好的预测温度等环境因素对微生物最大生长速率、迟滞期的影响，成为最常用的二级模型之一。

微生物预测模型被用于描述在食物链不同环节如加工、销售、运输、消费等过程中环境因素对微生物数量变化的影响，成为暴露评估必不可少的重要组成，一些数据库和功能强大的软件[38]极大方便了此类模型的构建。例如我们可以利用Baranyi教授建立的ComBase数据库[59]直接搜索构建模型所需数据，并将所构建的模型应用于QMRA。然而，值得注意的是，如何选择恰当的微生物预测模型应用于QMRA有待深入研究[11,60]，QMRA中不确定性和变异性的差异评定也应当引起广泛重视。

2.2.2 DRM

DRM是QMRA中危害特征描述阶段涉及的重要模型，被用来描述个体或群体的危害暴露水平与不良健康（如感染、疾病、死亡）之间的关系。由表1可知，国内已完成的QMRA研究中，仅在对副溶血弧菌、沙门氏菌、创伤弧菌及单增李斯特菌的定量评估中分别采用了β-泊松模型和指数模型。这两种模型也是国外QMRA 中常用的模型，如在2011年，欧洲食品安全局曾借助其研究减少空肠弯曲杆菌危害的干预措施。两模型基于同一假设，即单一微生物对机体产生的危害相同或相近，但指数模型和β-泊松模型均采用了模型参数来表示细菌与宿主相互作用的不确定性。在运用上述DRM时应十分谨慎，因为它们并不适用于所有能产生毒素并引起疾病的致病菌。

召集人类志愿者并进行人体实验是建立剂量-反应模型较准确的方法，如Langeveld等[61]曾对暴露于含不同剂量的蜡样芽胞杆菌巴氏杀菌奶开展人类志愿者研究。然而，由于法律限制及实践过程中复杂的申请程序，采用人体实验构建准确的DRM仍存在较大困难。此外，致病菌通常较低的暴露水平也增大了DRM的构建难度，因此，对致病菌进行全面 完整的定量风险评估在许多情况下仍难以实现[62-63]。目前，我国已完成的风险评估项目中，一般参考国外相关文献中根据食源性疾病爆发数据或实验数据总结建立DRM，然而，由于 不同国家或地区的消费模式、人群特点等存在差异，利用来自西方发达国家资料建立的模型对于本国人群疾病发生的适用性可能较差，因此，尽早建立适用于本国国情的DRM工作势在必行。

3 QMRA的主要难题和解决方法

风险评估是风险分析的核心组成，其重要性不言而喻，同时也是风险分析体系中一个相对较新的分支，不论从政策角度还是技术层面仍需进一步完善[11]。

3.1 法律和政策要求

食品安全不存在“零风险”。为应对不断曝出的食品安全问题，国际社会共同采用了食品安全风险评估的方法，科学评估食品中有害因素对人体健康可能造成的风险，并为政府制定食品安全法规、标准和政策提供依据。目前，国内Q MRA研究仍处于起步阶段。根据2009年《食品安全法》规定，国家有关部门应当建立食品安全风险监测制度，对食源性疾病进行监测并实施食品安全风险监测计划，建立食品安全风险评估制度，并对食品的微生物危害进行风险评估。同年，首届国家食品安全风险评估专家委员会在北京成立，其职责为参与制定与食品安全风险评估相关的监测和评估计划，拟定国家食品安全风险评估技术规则，解释食品安全风险评估结果，开展风险评估交流，承担卫生部委托的其他风险评估相关任务等。

3.2 主要技术难题及解决方法

QMRA的框架大同小异，然而细微的不同之处可能对评估结果产生较大影响。合理有效地构建风险评估体系需要从计划的有效性、评估范围的选定、问题针对性、模型的选择等方面着手[64]。

3.2.1 明确评估计划和范围

政策的制定和真正的实施通常存在较大差距，除政治因素外，技术因素可能是QMRA实施过程中面临的较大难 题。QMRA目的应明确化，并为风险管理者服务。美国农业部/食品安全及检验局/环保署的指导原则指出，明确评估计划和范围是确定QMRA评估范围、目的、面临问题及采用方式的过程，并为后期提供有效的风险特征描述和判断风险评估是否成功垫定坚实的基础。指导原则也为确定评估项目提供以下不同的参考因素：风险的特点和重要性、风险的等级（如存在、流行、集中风险）和严重性（如对公众卫生的影响）、面临情况的紧急程度、人群适用性、其他与特定危害相关联的因素（如食品加工过程、烹饪、交叉污染等）、资源的可用性（如时间、经费、工作人员等）。国内的相关专家们在启动风险评估项目时也应当结合实际情况选择性地考虑上述因素。

3.2.2 危害识别问题

危害识别是启动微生物风险评的第一步，其准备工作成为QMRA面临的第二个技术性难题。危害识别通常被视为MRA的形成阶段，评估对象、暴露途径、不良反应、流行病学等相关知识在此阶段均要被识别和确认，从而形成评估的基本框架[65]。另外，随着组学的发展，可以更好地解释食物链中食物所处环境条件的改变对微生物的影响，更好地为MRA服务[66-67]。合理有效的危害识别有助于专家判断某项风险评估工作是否亟待开展。

3.2.3 成本效益问题

基于减少食源性致病菌对公众卫生产生危害的目的而进行的成本效益分析是QMRA面临的另一个技术难题。以欧洲食品安全局为例，欧盟法规NO.2160/2003要求各成员国在食物链不同环节减少导致人畜共患病的致病菌对人群产生的危害设定目标，要求欧盟生物风险专家委员会开展评估QMRA的成本效益分析，此时，QMRA成为开展风险效益分析的必要条件[50,68]。另外，Magnússon等[69]认为成本效益分析需要整合到MRA体系中，其开展方法需要进一步明确。事实上，成本利益分析的工作应由风险管理者完成，欧盟以及美国的QMRA研究表明，由风险管理者主导的成本效益分析已数次成功用于QMRA研究的良好开展。

3.2.4 定性或定量方法的选择

根据结果的产出形式，风险评估可分为定性和定量评估两大类。不论是定性还是定量评估，评估的4 个步骤是一致的，其中定性评估是相对简单快速的方法，用高、中、低等描述性词语来表示风险的大小，而定量评估则根据致病微生物的毒理学特征或感染性、中毒症状，结合其他相关资料，确定致病微生物的摄入量及其对人体产生不良作用的概率，并对它们之间的关系进行数学描述，即以量化的数值表示风险大小及其不确定性。数据来源是否充分是决定因素之一，在开展风险评估之前，应根据数据可利用性、评估目的以及风险评估结合到风险管理或决策中的深度和广度等，遵循避繁就简的原则选择合适方法[19]。

选择定性还是定量风险评估时，另一个重要问题是即将开展的评估项目需要满足哪些风险管理要求，这可以和上文3.2.1节中确定评估计划和范围相结合起来。另外需要考虑的是数据 资料和信息有效性的问题。风险评估的结果是与数据资料密切相关，MRA的研究曾因在信息和数据不完整的情况下得出结论而被人们质疑和诟病。获得足够的有效信息和数据是提高风险评估结果准确性的基本前提。选择定量风险评估后，在暴露评估阶段引入微生物生长预测模型和危害特征描述阶段引入剂量-效应模型时应十分谨慎，若模型引用不当，风险评估可能得到准确性较差甚至相反的结果。

另外，若对采用哪种MRA方式难以判断时，可首先对该致病菌实施定性风险评估，若定性分析结果表明该菌对人群存在较大危害，则表明定性评估可能比较简单易行。Lammerding[70]和Romero-Barrios[68]等认为在某些情况下定量风险评估并不一定优于定性风险评估，应根据实际情况在确保评估结果准确性 的前提下尽量选择简单的评估形式。总之，无论采用何种评估方式，评估过程都应严格遵守评估步骤。Lammerding等[70]针对定性风险评估提出了将不同方面的定性信息转化为对总体风险进行客观评价的框架模式。当定性风险评估不能满足风险管理的要求时，应考虑收集足够的信息和数据对该致病菌进行定量 风险评估。

4 QMRA的应用前景及建议

4.1 QMRA的应用前景

风险特征描述是QMRA的最后一步，是在危害识别、危害特征描述和暴露评估的基础上，对评估结果进行综合分析、描述危害对人群健康产生不良作用的风险及不确定性并对风险管理提供科学指导的过程。从模型建立的角度来讲，QMRA的主要目的是用于观察模型输入变量与输出变量之间的相互关系[71-72]，并据此对食物生产或流通的不同环节提供科学的指导。QMRA的应用主要体现在制定质量控制体系和设定食品安全目标两方面。

其一，制定质量控制体系。HACCP是一种食品安全防御系统[73]，有必要充分发挥HACCP在控制食源性疾病和确保食品安全方面的潜能并进一步完善其概念和应用[74-77]。在发展中国家，将MRA与HACCP结合，对于有效防 控食品加工过程中 致病菌的 传播和繁殖，从而减少致病菌危害和食品安全事故的发生更具现实意义。我国当前食品 加工安全控制的高要求需要加强并扩大MRA结果的应用范围，同时将MRA与危害分析相结合是今后制定和实施HACCP的一大趋势[78]。在不远的将来，建立旨在量化食物中有害物质暴露水平的模块化风险评估模型[79]，可为食品安全控制和危害预防提供更为准确和快捷的途径。

其二，设定食品安全目标。2002年，国际食品微生物标准委员会（International Commission Microbiological Specifications for Foods，ICMSF）介绍了一个新的食品安全管理概念，即FSO，并基于MRA对其做了进一步说明。微生物定量风险评估的结果有助于FSO的建立，并可为食物中致病菌限量标准的制定提供一定参考[80]。FSO是指采取一定措施预防或消除食品安全危害或将危害降至可接受水平的行为或活动。如果某种食物被微生物初始污染并潜在二次污染等问题时，FSO即是经过采取一定干预措施，确保消费者在食用该食物时微生物数量降低于限量标准[81]。借助QMRA过程中的参数如微生物生长预测模型中生长速率等，可计算食物在流通过程中某些特定环节的污染水平，因此，QMRA可根据参数的变化对FSO的概念进行拓展[82]。此外，通过DRM曲线可得知某种特定危害与食品相结合并被消费时造成的疾病负担，据此可定义公众可接受的风险水平，即合适的保护水平（appropriate level of protection，ALOP）[80,83]。ALOP是指通过食品安全体系拟实现的公共卫生保护程度，是一个国家层面上的食品安全目标，距离实际的食品安全管理有一定差距， 然而ICMSF提出的FSO的概念可作为ALOP与实际操作之间的桥梁，有助于解决此问题。根据QMRA制订FSO/ALOP的方法可参考Zwietering[84]和Whiting[82]等的详细说明，另外，另一个与FSO相关的概念——PO的建立可参考Jenson等[85]的论述。

4.2 建议

4.2.1 加强风险评估与风险管理的互动

风险评估的启动一般来自风险管理者委托的评估任务，以及根据目前食品安全形势自行确定的评估目标。上文提到的技术性因素、食品公共安全要求等均是启动QMRA研究时应考虑因素，但并非决定性影响因素。在正式开展风险评估项目前，风险管理者和相关专家需对拟评估的食品安全问题进行分析，确定风险评估的必要性，同时对危害因素及所涉及的食品、消费者的暴露途径及其可能风险、消费者对风险的认识以及国际上已有的风险控制措施等问题进行确定。因此，加强风险评估与风险管理的互动和交流非常必要。

以CFSA为例，2013年初，基于国内检索数据启动了对生鲜贝类中副溶血弧菌和即食食品中单增李斯特菌的定量风险评估工作。这两项决议初步形成于2012年初，旨在验证风险评估是否能按照国际通行的指导原则进行有效实施，并为食品安全监管者提供理论参考。将来风险评估者和风险管理者的交流合作的重要性会更加凸显，完善适合中国国情的MRA指导性原则的工作亟待开展。

4.2.2 完善风险监测

缺乏风险监测数据是制约开展风险评估研究的核心难题之一。MRA应尽量通过选择致病菌-食物组合、调研食物消费量、消费频率及流行数据等资料、确定暴露人群及高危人群、并对食品加工贮存运输等条件下微生物生长存活及交叉污染等进行预测分析，从而估计食物中致病菌污染水平、人群暴露量及对健康的影响等进行定量化评估[69]。尽管近年来经过各部门共同努力，数据收集工作取得一定进展，但更多具有代表性和能反映微生物污染不确定性的数据亟待发掘[11]。

与很多国家一样，CFSA也建立了国内细菌性传染病分子分型实验室监测网络[86]，该网络为未来我国实验室致病菌监测的发展方向将提供关键支撑技术，同时能极大提高监测和处理传染病疫情和公共卫生突发事件的能力及速度，为MRA工作提供参考。

4.2.3 改进限量标准制定

基于QMRA设定FSO/ALOP是制定相关微生物标准的重要参考。以即食食品中单增李斯特菌的风险评估为例，早在1986年，即食食品中单增李斯特菌的限量标准已通 过ICMSF推荐的二级抽样的方式[87]进行制定。目前，国内外对此已完成了几项定量评估工作[15,18,45]，其结果可直接转化为FSO和PO，结论通常是即食食品单增李斯特菌的数量应低于100 CFU/g[88]。然而，FSO/PO的制定仍然面临一些困难，也并不是所有的致病菌都有限定标准[89]。将FSO/PO转化为微生物标准时应十分谨慎，依据国家食品安全标准对致病菌进行限量时亦是如此。

我国在2009年《食品安全法》颁布后，卫生部在2010年 12月公布了食物中微生物限量标准的草案[90]，并于2014年正式实施。该标准覆盖了中国进出口贸易中17大类常见食品，对危害较大的几类食源性致病菌如沙门氏菌、单增李斯特菌、金黄色葡萄球菌和志贺氏菌等按照不同取样方法规定了限量水平值。除此标准外，国内还有另一指导性标准，即MRA在食品安全风险管理中的应用指南（GB/Z 23785—2009《微生物风险评估在食品安全管理中应用指南》[91]），该指导性技术文件为食品安全风险管理提供了一般框架，并为MRA在食品安全风险管理中的应用提供指导方法。如何科学有效地基于风险制定与QMRA相关的微生物限量标准仍是今后努力的重点。

4.2.4 加强国际合作

在全球范围内加强风险交流与国际合作也是风险管理者的重要任务之一。中国是世界上最大的农产品生产国和消费国之一，在过去20 年里，无论在国家还是消费者层面，风险评估都将成为食品安全管理的核心组成。任何个人、团体或组织均有可能作为利益相关者影响或受影响于风险决策[65]。Hoffmann等[92]认为，不同国家应在基于风险的基础上科学系统地建立从农场到餐桌的安全防控措施。另外，国内应参考国际或某些地方性组织（如FAO/WHO、国际食品法典委员会、 EFSA、USDA）的运行机制，科学运用风险评估的理论工具及数学建模，加强综合协调并进一步完善食品安全监管体系。

5 结 语

QMRA已成为应对当前食品安全问题的重要科学工具之一。从文献搜索结果可知，在过去十余年里，国内开展的QMRA工作较少，需要针对我国具体国情，科学系统地组织并开展QMRA，这成为国家食品安全风险评估中心和相关业内专家的共同职责。在启动QMRA项目时，法律和技术上的因素都应被充分考虑并理性选择恰当的评估方式。另外，加强风险管理与风险评估的互动交流、进一步完善风险监测、改进微生物限量制定和加强国际合作等各项工作能有效促进国家食品安全法的实施和执行，对食品风险防控措施和食品安全目标的实现、进一步保障国内公众卫生具有重大意义。

[1] BIAN Yongmin. The challenges for food safety in China: current legislation is unable to protect consumers from the consequences of unscrupulous food production[EB/OL].(2004)[2014-05-04]. http:// chinaperspectives.revues.org/819.

[2] JIA C H, JUKES D. The national food safety control system of China: a systematic review[J]. Food Control, 2013, 32(1): 236-245.

[3] Alcorn T. Food safety in China: a long way to go[J]. The Lancet, 2012, 379: 75.

[4] 卫生部办公厅关于2012年全国食物中毒事件情况的通报[EB/OL]. (2013-03-04)[2014-05-04].http://www.moh.gov.cn/mohwsyjbgs/ s7860/201303/b70872682e614e4189d0631ae5527625.shtml.

[5]Food Standard Agency of UK.The food standards agency monitor trends in foodborne disease caused by key pathogenic (disease-causing) bugs in the UK[EB/OL]. (2013-07-19)[2014-04-02]. http://www.food. gov.uk/policy-advice/microbiology/fds/58736.

[6] Center for Disease Control and Prevention of USA.Trends in foodborne illness in the United States[EB/OL]. (2012)[2014-05-01]. http://www.cdc.gov/features/dsfoodnet2012/.

[7] Codex Alimentarius Commission. Working principles for risk analysis for food safety for application by governments[EB/OL].(2007)[2014-04-05]. http://www.codexalimentarius.net/web/more_info.jsp?id_ sta=10751.

[8] ALBAN L, OLSEN A M, NIELSEN B, et al. Qualitative and quantitative risk assessment for human salmonellosis due to multiresistant Salmonella typhimurium DT104 from consumption of Danish dry-cured pork sausages[J]. Preventive Veterinary Medicine, 2002, 52(3/4): 251-265.

[9] HAVELAAR A H, EVERS E G, NAUTA M J. Challenges of quantitative microbial risk assessment at EU level[J]. Trends in Food Science & Technology, 2008, 19(Suppl 1): 26-33.

[10] Codex Alimentarius Commission. Principles and guidelines for the conduct of microbiological risk assessment[EB/OL]. (1999)[2014-05-03]. http://www.codexalimentarius.net/download/standards/357/ CXG_030e.pdf.

[11] TEUNIS P F, KASUGA F, FAZIL A, et al. Dose-response modeling of Salmonella using outbreak data[J]. International Journal of Food Microbiology, 2010, 1 44(2): 243-249.

[12] 赵志晶, 刘秀梅. 中国带壳鸡蛋中沙门氏菌定量危险性评估的初步研究Ⅰ: 危害识别与暴露评估[J]. 中国食品卫生杂志, 2004, 16(3): 201-206.

[13] 赵志晶, 刘秀梅. 中国带壳鸡蛋中沙门氏菌定量危险性评估的初步研究Ⅱ: 危害特征的描述与危险特征的描述[J]. 中国食品卫生杂志, 2004, 16(3): 295-300.

[14] 骆璇, 郭红卫, 王颖, 等. 上海市猪肉中金黄色葡萄球菌定量风险评估[J]. 中国食品卫生杂志, 2010, 22(3): 244-249.

[15] 田静, 樊永祥, 刘秀 梅. 散装熟肉制品中单核细胞增生李斯特菌的定量风险评估[J]. 中华预防医学杂志, 2011, 45(6): 537-542.

[16] 李寿崧, 吴英娇, 宁芊, 等. 杂色蛤中副溶血弧菌的定量风险评估[J].北京工商大学学报: 自然科学版, 2012, 30(5): 38-45.

[17] HAN Zheng, NIE Dongxia, YANGXianli, et al. Quantitative assessment of risk associated with dietary intake of mycotoxin ochratoxin A on the adult inhabitants in Shanghai city of P.R. China[J]. Food Control, 2013, 32(2): 490-495.

[18] 董庆利, 郑丽敏, 党维鑫, 等. 即食食品中单增李斯特菌的半定量风险评估[J]. 食品工业科技, 2012, 33(11): 321-323.

[19] LI Rui, WANG Xu, ZHOU Ting, et al. Occurrence of four my cotoxins in cereal and oil products in Yangtze Delta region of China and their food safety risks[J]. Food Control, 2014, 35(1): 117-122.

[20] HUNG N V, NGUYEN H N, NGUYEN T B T, et al. Quantitative microbial risk assessment: research status and future development[R]. Sydney, Australia: World Congress on Risk 2012: Risk and Development in a Changing World, 2012.

[21]Thomson Reuters. Web of Science[DB/OL].[2014-04-23]. http://apps. webofknowledge.com.

[22]中国知网(CNKI) [DB/OL]. [2014-04-03]. http://www.cnki.net/.

[23] 陈艳, 刘秀梅. 福建省零售生食牡蛎中副溶血性弧菌的定量危险性评估[J]. 中国食品卫生杂志, 2006, 18(2): 103-108.

[24] 邵玉芳, 汪雯, 章荣华, 等. 浙江省生食牡蛎中副溶血性弧菌的风险评估[J]. 中国食品学报, 2010, 10(3): 193-199.

[25] 宁芊, 李寿崧, 陈守平. 文蛤中副溶血性弧菌的风险评估[J]. 现代食品科技, 2010, 26(11): 1259-1263.

[26] 高围激, 刘弘, 刘诚, 等. 三疣梭子蟹中副溶血性弧菌定量风险评估探索[J]. 环境与职业医学, 2011, 28(7): 414-418.

[27] 赵峰, 李毅财, 段文佳, 等. 东部沿海城市贝类中副溶血弧菌的定量风险评估研究[C]//农产品质量安全与现代农业发展专家论坛论文集. 北京: 中国科学技术协会, 2011: 124-131.

[28] 刘弘, 罗宝章, 秦璐昕, 等. 生食三文鱼片副溶血性弧菌污染的定量风险评估研究[J]. 中国食品卫生杂志, 2012, 24(1): 18-22.

[29] 姬华, 陈艳, 刘秀梅, 等. 创伤弧菌控制措施与风险评估的研究进展[J].食品与发酵工业, 2013, 39(2): 123-127.

[30] 樊永祥, 刘秀梅. 常见餐饮食品原料中沙门菌的定量风险评估[J].中华预防医学杂志, 2008, 42(5): 312-316.

[31] 褚小菊, 冯力更, 张筠, 等. 巴氏牛奶中蜡样芽孢杆菌的风险评估[J].中国乳品工业, 2006, 34(6): 23-26.

[32] 李敏. 巴氏杀菌奶中优势微生物预测模型的建立及风险评估[D]. 北京: 中国农业大学, 2006.

[33] DONG Qingli. Exposure assessment for Bacillus cereus in Chinesestyle cooked rice[J]. Journal of Food Process Engineering, 2013, 36(3): 329-336.

[34] 闻军. 原料乳中金黄色葡萄球菌的风险评估[D]. 哈尔滨: 东北农业大学, 2008.

[35] 董庆利, 高翠, 郑丽敏, 等. 冷却猪肉中气单胞菌的定量暴露评估[J].食品科学, 2012, 33(15): 24-27.

[36] ZHAO Xubo, SCHAFFNER D W, YUE Tianli. Quantification of afl atoxin risk associated with Chinese spices: point and probability risk assessments for afl atoxin B1[J]. Food Control, 2013, 33(2): 366-377.

[37] WHITING R C, BUCHANAN R L. A classification of models for predictive microbiology[J]. Food Microbiology, 1993, 10(12):175-177.

[38] MILES D W, ROSS T, OLLEY J, et al. Development and evaluation of a predictive model for the effect of temperature and water activity on the growth rate of Vibrio parahaemolyticus[J]. International Journal of Food Microbiology, 1997, 38(2/3): 133-142.

[39] 王璐华, 宁喜斌. 副溶血性弧菌生长预测模型的建立与应用探讨[J].华北农学报, 2008, 23(增刊1): 263-267.

[40] OSCAR T P. Response surface models for effects of temperature, pH, and previous growth pH on growth kinetics of Salmonella typhimurium in brain heart infusion broth[J]. Journal of Food Protection, 1999, 62(2): 106-111.

[41] FAO/WHO. Risk assessments of Salmonella in eggs and broiler chickens: interpretative summary[EB/OL]. (2002)[2014-05-01]. http:// www.who.int/foodsafety/publications/micro/en/salm_summary.pdf.

[42] FDA/FSIS. Model for risk assessment for the impact of lethality standards on salmonellosis from ready-to-eat meat and poultry products[EB/OL]. (2006)[2014-04-02]. http://www.fsis.usda.gov/ wps/portal/fsis/topics/science/risk-assessments/salmonellosis-riskassessment-model/salmonellosis-ra-model.

[43] FDA/FSIS. Quantitative assessment of relative risk to public health from foodborneListeria monocytogenesamong selected categories of ready-to-eat foods[EB/OL]. (2010)[2014-04-02]. http://www.fda.gov/downloads/food/scienceresearch/researchareas/ riskassessmentsafetyassessment/ucm19733.pdf.

[44] DING Tian, DONG Qingli, RAHMAN S M E, et al. Response surface modeling ofListeria monocytogenesinactivation on lettuce treated with electrolyzed oxidizing water[J]. Journal of Food Process Engineering, 2011, 34(5): 1729-1745.

[45] FAO/WHO. Risk assessment ofListeria monocytogenesin ready-toeat foods: interpretative summary[EB/OL]. (2004)[2014-04-05]. http:// www.who.int/foodsafety/publications/micro/en/mra4.pdf.

[46] ZWIETERING M H, de WIT J C, NOTERMANS S. Application of predictive microbiology to estimate the number ofBacillus cereusin pasteurised milk at the point of consumption[J]. International Journal of Food Microbiology, 1996, 30(1/2): 55-70.

[47] HEO S K, LEE J Y, BAEK S B, et al. A response surface model to describe the effect of temperature and pH on the growth ofBacill us cereusin cooked rice[J]. Journal of Food Protection, 2009, 72(6): 1296-1300.

[48] BUCHANAN R L, SMITH J H, MCCOLGAN C, et al. Response surface models for the effects of temperature, pH, sodium-chloride, and sodium nitrite on the aer obic and anaerobic growth ofstaphylococcus aureus196E[J]. Journal of Food Safety, 1993, 13 (3): 159-175.

[49] FAO/WHO. Micr obiological risks publications [EB/OL]. (2014) [2014-04-02]. http://w ww.who.int/foodsafety/publications/micro/en/ index.html.

[50] European Food Safety Authority(EFSA). Scientific opinion on a quantitative microbiological risk assessment ofSalmone llain slaughter and breeder pigs[J]. EFSA Journal, 2010, 8(4): 80.

[51] European Food Safety Authority(EFSA). Scientific opinion on Campylobacter in broiler meat production: contro l options and performance objectives and/or targets at different s tages of the food chain[J]. EFSA Journal, 2011, 9(4): 141.

[52] FDA/FSIS. Quantitative assessment of relative risk to public health from foodborneListeria monocytogenesamong selected categories of ready-to-eat foods. [EB/OL]. (2003)[2014-04-02]. http://www.fda.gov/Food/ScienceResearch/ResearchAreas/ RiskAssessmentSafetyAssessment/ucm183966.htm Accessed 28.11.11 pp. 541.

[53] FSIS. Comparative risk assessment for intact (non-tenderized) and non-intact (tenderized) beef: technical report.[EB/OL]. (2003)[2014-04-02]. http://www.fsis.usda.gov/PDF/Beef_Risk_Assess_Report_ Mar2002.pdf Accessed 28.11.11. pp. 39.

[54] FSIS. Salmonella enteritidis risk assessment: shell eggs and egg products[EB/OL]. (1998)[2014-04-02]. http://www.fsis.usda.gov/ophs/ risk/ Accessed 28.11.11.

[55] BARANYI J, ROBERTS T A. 1995 Mathematics of predictive food microbiology[J]. International Journal of Food Microbiology, 1995, 26(2): 199-218.

[56] FERRER J, PRATS C, LOPEZ D, et al. Mathematical modelling methodologies in predictive food microbiology: a SWOT analysis[J]. International Journal of Food Microbiology, 2009, 134(1/2): 2-8.

[57] DONG Qingli, TU Kang, GUO Liyang, et al. Response surface model for prediction of growth parameters from spores of Clostridium sporogenes under different experimental conditions[J]. Food Microbiology, 2007, 24(6): 624-632.

[58] DONG Qingli. Modelling the thermal resistance of Clostridium sporogenes spores under different temperature, pH and NaCl concentrations[J]. Journal of Food Process Engineering, 2011, 34(6): 1965-1981.

[59] Institute of Food Research of UK. ComBase[DB/OL]. (2014)[2014-04-02]. http://www.combase.cc/index.php/zh/.

[60] 邱静, 董庆利, 程飞. 气调包装冷却猪肉中假单胞菌生长概率模型的构建[J]. 农业工程学报, 2012, 28(13): 257-262.

[61] LANGEVELD L P, van SPRONSEN W A, van BERESTEIJIN E C H, et al. Consumption by healthy adults of pasteurized milk with high concentration of Bacillus cereus: a double blind study[J]. Journal of Food Protection, 1996, 59(7): 723-726.

[62] HAVELAAR A H, d e HOLLANDER A E, TEUNIS P F, et al. Balancing the risks and benefits of drinking water disinfection: disability adjusted life-years on the scale[J]. Environmental Health Perspectives, 2000, 108(4): 315-321.

[63] BUCHANAN R L, HAVELAAR A H, SMITHM A, et al. The key events dose-response framework: its potential for application to foodborne pathogenic microorganisms[J]. Critical Reviews in Food Science and Nutrition, 2009, 49(8): 718-728.

[64] PARKIN R T. Foundations and frameworks for human microbial risk assessment[EB/OL]. (2008)[2014-04-02]. http://www2.epa.gov/osa/ basic-i nformation-about-risk-assessment-guidelines-development.

[65] BARKER G C, BAYLEY C, CASSIDY A, et al. Can a participatory approach contribute to food chain risk analysis?[J]. Risk Analysis, 2010, 30(5): 766-781.

[66] DAVIES H. A role for ‘‘omics” technologies in food safety assessment[J]. Food Control, 2010, 21(12): 1601-1610.

[67] BRUL S, BASSETT J, COOK P, et al. ‘Omics’ technologies in quantitative microbial risk assessment[J]. Trends in Food Science & Technology, 2012, 27(1): 12-24.

[68] ROMERO-BARRIOS P, HEMPEN M, MESSENS W, et al. Quantit ative microbiological risk assessment (QMRA) of foodborne zoonoses at the European level[J]. Food Control, 2013, 29(2): 343-349.

[69] MAGNÚSSON S H, GUNNLAUGSDÓTTIR H, van LOVEREN H, et al. State of the art in benefi t-risk analysis: food microbiology[J]. Food and Chemical Toxicology, 2012, 50(1): 33-39.

[70] LAMMERDING A M, FAZIL A. Hazard id entifi cation and exposure assessment for microbial food safety risk assessment[J]. International Journal of Food Microbiology, 2000, 58(3): 147-157.

[71] BUCHANAN R L, APPEL B. Combini ng analysis tools and mathematical modeling to enhance and harmonize food safety and food defense regulatory requirements[J]. International Journal of Food Microbiology, 2010, 139(Suppl 1):48-56.

[72] GRE INER M, SMID J, HAVELAAR A H, et al. Graphical models and Bayesian domains in risk modelling: application in microbiological risk assessment[J]. Preventive Veterinary Medicine, 2011, 110(1): 4-11.

[73] WHO. WHO global strategy for food safety: safer food for better health[EB/OL]. (2002)[2014-04-07]. http://www.who.int/foodsafety/ publications/general/en/strategy_en.pdf.

[74] NOTERMANS S, GALLHOFF G, ZWIETERING M H, et al. The HACCP concept: specification of criteria using quantitative risk assessment[J]. Food Microbiology, 1995, 12(1): 81-90.

[75] COLEMAN M E, MARKS H M. Qualitati ve and quantitative risk assessment [J]. Food Control, 1999, 10(4/5): 289-297.

[76] BLACKBURN C, MCCLURE P J. Foodborne pathogens hazards, risk analysis and control[M]. Cambridge: Woodhead Publishing Ltd., 2009: 1-10.

[77] DOMÉNECH E, ESCRICHE I, MARTORELL S. An approac h for assessing CCP effectiveness in food production applications by predictive QRA modelling[J]. Reliability Engineering and System Safety, 2009, 94(9): 1451-1460.

[78] 国家食品药品监督管理总局. 食品动态信息[EB/OL]. (2014)[2014-04-24]. http://www.sfda.gov.cn/WS01/CL0001/.

[79] MALAKAR P K, BARKER G C, PECK M W. Quantitative risk assessment for hazards that arise from non-proteolytic Clostridium botulinum in minimally processed chilled dairy-based foods[J]. Food Microbiology, 2011, 28(2): 321-330.

[80] GKOGKA E, REIJ M W, GORRIS L G M, et al. Risk assessment strategies a s a tool in the application of the appropriate level of protection (ALOP) and food safety objective (FSO) by risk managers[J]. International Journal of Food Microbiology, 2013, 167(1): 8-28.

[81] International Commission on Microbiological Specifi cations for Foods. Microorganisms in foods 7: microbiological testing in food safety management[M]. New York: Springer-Verlag New York Inc., 2002.

[82] WHITING R C. What risk assessments can te ll us about setting criteria[J]. Food Control, 2011, 22(9): 1525-1528.

[83] de SWARTE C, DONKER R A. Towards an FSO/ALOP based fo od safety policy[J]. Food Control, 2005, 16(9): 825-830.

[84] ZWIETERING M H, STEWART C M, WHITING R C. Validation of control measu res in a food chain using the FSO concept[J]. Food Control, 2010, 21(12): 1716-1722.

[85] JENSON I, SUMNER J. Performance standards and me at safety:developments and direction[J]. Meat Science, 2012, 92(3): 260-266.

[86] ALCORN T, OUYANG Y. China’s invisible burden of foodborne illness[J]. The Lancet, 2012, 379: 789-790.

[87] International Commission on Microbiological Specifi cations for Foods. Microorganisms in foods 2: sampling for microbiological analysis: principles and specifi c applications[M]. 2nd ed. Toronto: University of Toronto Press, 1986.

[88] ANDERSEN J K, NØRRUNG B. The challenge of setting risk-based microbiological criteria for Listeria monocytogenes[J]. Food Control, 2011, 22(9): 1495-1497.

[89] PUJOL L, ALBERT I, JOHNSON N B, et al. Potential application of quan t itative microbiological risk assessment techniques to an aseptic-UHT process in the food industry[J]. International Journal of Food Microbiology, 2013, 162(3): 283-296.

[90] 国家卫生和计划生育委员会. GB 29921—2013 食品安全国家标准食品中致病菌限量[S]. 北京: 中国标准出版社, 2014.

[91] 国家质量监督检验检疫总局. GB/Z 23785—2009 微生物风险评估在食品安全管理中应用指南[S]. 北京: 中国标准出版社, 2009.

[92] HOFFMANN S, HARDER W. Food Safety and Risk Governance in Globalized Markets[DB/OL]. (2010)[2014-04-25].http://www.rff.org/ RFF/documents/RFF-DP-09-44.pdf.

Review of Progress in Quantitative Microbiological Risk Assessment in China

DONG Qingli1, WANG Haimei1, Pradeep K MALAKAR2, LIU Jing1, SONG Xiaoyu3, TIAN Mingsheng4,5, LU Ranran1
(1. School of Medical Instrument and Food Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China; 2. Institute of Food Research, Norwich NR4 7UA, U.K.; 3. China National Center for Food Safety Risk Assessment, Beijing 100021, China; 4. Law Enforcement Department of Shanghai Municipal Food and Drug Administration, Shanghai 200032, China; 5. School of Public Health, Fudan University, Shanghai 200032, China)

During the past 10 years, there has been increasing concern about food safety at the governmental level in China. Due to the more outbreaks of foodborne disease caused by pathogens than other hazards from offi cial statistics, the quantitative microbial risk assessment (QMRA) should be further improved from the scientifi c standpoint to narrow the gap reduction with developed countries since the implementation of the Food Safety Law of the People’s Republi c of China in 2009 and the foundation of China National Center for Food Safety Risk Assessment (CFSA) in 2011. This revie w listed the major pathogens and the food vectors concerned in China during 2000–2013, and predictive microbiological models and dose-response models used in Chinese research were analyzed. Moreover, several possible technical factors and relevant solutions t o con duct QMRA in China were described in detail. Future applications of QMRA were discussed such as helping to design the Hazard Analysis and Critical Control Point (HACCP) system and to establish the Food Safety Objective or Perfo rmance Objective (FSO/PO) for setting the microbiological standards. Furthermore, it will be necessary to impro ve the connection between risk assessors and managers, to enhance the risk inspection, to set the microbiological limit standards and to develop more international c ooperations. QMRA should be conducted according to the general guidelines of international associations scientifi cally and systematically under China actual situations for the next 10 years.

quantitative microbial risk assessment; pathogen; predictive microbiology

TS201.3

A

10.7506/spkx1002-6630-201511042

2014-05-18

国家自然科学基金面上项目（31271896；31371776）；上海市自然科学基金项目（12ZR1420500）；

上海市研究生创新基金项目

董庆利（1979—），男，副教授，博士，研究方向为预测微生物学与风险评估。E-mail：dongqingli@126.com