动物性食品中蜡样芽胞杆菌的建模及风险评估应用进展

董庆利, 陈元美, 杜建萍， 崔 旸， 张春艳， 苏 亮, 刘 箐

(1.上海理工大学 医疗器械与食品学院， 上海 200093; 2.北京市食品安全监控和风险评估中心， 北京 100053;3.国家食品安全风险评估中心， 北京 100022)

动物性食品中蜡样芽胞杆菌的建模及风险评估应用进展

董庆利1, 陈元美1, 杜建萍2， 崔 旸2， 张春艳2， 苏 亮3, 刘 箐1

(1.上海理工大学 医疗器械与食品学院， 上海 200093; 2.北京市食品安全监控和风险评估中心， 北京 100053;3.国家食品安全风险评估中心， 北京 100022)

动物性食品有极高的营养价值，在食品组成中占有重要地位。蜡样芽胞杆菌是动物性食品中常见的一种食源性致病菌。综述了近年来国内外对蜡样芽胞杆菌的建模及在风险评估中的应用所开展的研究，对肉类、乳及乳制品、蛋及蛋制品等食物中建立的生长模型与失活模型的最新研究成果进行总结，概述了动态变化环境下的界面模型研究及模型在风险评估中的应用情况，最后对蜡样芽胞杆菌预测建模的研究及应用提出了展望，以期为今后的研究提供参考。

动物性食品； 蜡样芽胞杆菌； 预测模型； 风险评估

动物性食品是指动物来源的食物，包括畜禽肉、蛋类、鱼虾蟹等水产品、乳及其制品等。动物性食品不仅含有丰富的蛋白质、脂肪、无机盐和维生素，而且蛋白质的质量高，属优质蛋白。许多食源性致病菌极易在动物性食品中滋生，引起食品品质变化，进而导致食品安全性问题。蜡样芽胞杆菌是动物性食品中常见的致病菌之一。我国食源性疾病暴发监测系统的调查数据显示，2001—2010年我国共监测到121起由蜡样芽胞杆菌引发的食物中毒事件，占食源性疾病暴发总数(3002起)的4.03%，其中56.45%是由米饭及其制品引起，其次是肉制品(7.50%)[1-3]；也有研究报道乳制品中蜡样芽胞杆菌的污染率最高，在我国某些地区的阳性率最高达到81.80%[4]。

针对蜡样芽胞杆菌导致的动物性食品安全问题，已有许多研究者对此类食品中的蜡样芽胞杆菌开展了预测建模及应用的研究。仪淑敏等[5]对各类食品中蜡样芽胞杆菌的预测模型和风险评估进行了综述，概述了国外对蜡样芽胞杆菌在不同食品基质中的预测建模及风险评估的研究成果。近年来国内对蜡样芽胞杆菌的关注也在增加，各类食品中蜡样芽胞杆菌在预测建模及应用方面的研究不断有新的成果，但对蜡样芽胞杆菌在动物性食品中的预测建模及应用情况的最新研究情况尚待总结，为深入开展蜡样芽胞杆菌的风险控制提供理论参考。

本文概述蜡样芽胞杆菌的生物学特性及其致病性，并以动力学模型与概率模型为主对动物性食品中蜡样芽胞杆菌预测建模及应用的最新进展进行综述，指出动物性食品中蜡样芽胞杆菌在预测建模方面的研究方向，以期对将来蜡样芽胞杆菌在动物性食品中的定量风险评估和风险管理控制提供一定的理论借鉴。

1 蜡样芽胞杆菌的生物学特性及致病性

1.1 蜡样芽胞杆菌的生物学特性

蜡样芽胞杆菌广泛分布于土壤、灰尘和污水中，也常见于各类熟食及植物性食品中。蜡样芽胞杆菌(Bacilluscereus)是兼性需氧的革兰氏阳性杆菌，能形成芽孢，引起食物中毒的菌株多为周身鞭毛，有一定的运动性[6]。蜡样芽胞杆菌生长的最低和最高生长温度分别为10～20 ℃和35～45 ℃，在63 ℃以上不生长，菌体在65～70 ℃易死去；在pH值2～11可生长，pH值1～2不生长，最适pH值为4.3～9.3，临界pH值为5.0；最适NaCl质量分数为1%，在NaCl质量分数为8%时明显受到抑制，在无盐条件下其生长良好[7]。

1.2 蜡样芽胞杆菌的致病性

蜡样芽胞杆菌产生的芽孢具有良好的耐热性，并在有毒化学物质、干燥、紫外射线、辐照及其他不利的环境条件中也能存活。据报道[8-9]，一般的食品加热烹调(热处理)不能杀死该菌的芽孢，芽孢会存活并发芽，从而进一步污染加工的食物产生食用风险。

蜡样芽胞杆菌是条件致病菌，当菌落总数超过1×105CFU/mL时，就会引起食物中毒的发生。蜡样芽胞杆菌引起的食物中毒有明显的季节性，通常以夏秋季(6月至10月)为最高，当食物加工或储藏温度不当时也会引起食物中毒，如乳制品在生产中加热不充分或操作不当导致蜡样芽胞杆菌不能被完全杀灭时，就会有发生食物中毒的风险[10]。

蜡样芽胞杆菌常通过产生耐热与不耐热2种肠毒素引起食物中毒，其中耐热肠毒素大多产生于米饭类食品中，能引起呕吐性胃肠炎；而不耐热肠毒素易在各类食品尤其是肉类食品中产生，能引起腹泻性胃肠炎。

2 动物性食品中蜡样芽胞杆菌的预测建模

预测微生物学(predictive microbiology)是一门结合微生物学、化学、数学、统计学和应用计算机技术的交叉性学科，它采用数学的方法描述不同环境条件下，细菌数变化和外部环境因素之间的响应关系，并对微生物的生长或失活做出预测[11-12]。

基于模型的建立方式，可将预测模型分为动力学模型和概率模型2种：动力学模型是将一级模型所得参数和环境因素之间的关系建立数学模型来描述不同的培养和环境条件对微生物生长的影响；概率模型是对某些特定事件发生的可能性进行预测的模型，如在特定时间内形成毒素的概率等[13]。

2.1 动力学模型

动力学模型根据微生物的生理状态又分为生长模型和失活模型2类。

2.1.1生长模型

关于动物性食品中蜡样芽胞杆菌在不同条件下生长的预测模型研究较多。其中研究最多的是温度对动物性食品尤其是各种肉类中蜡样芽胞杆菌生长的影响。Kang等[14]用修正的Gompertz模型对烟熏鸡肉在不同温度储存时蜡样芽胞杆菌的生长进行拟合。拟合发现Gompertz模型拟合度高，适合描述不同温度下蜡样芽胞杆菌的生长。二级模型分别用平方根和Davey模型作为温度的函数来确定比生长速率和迟滞期。结果显示温度和食品成分会对模型产生影响，经验证平方根模型和Davey模型有良好拟合优度。除温度这一单独影响因子外，部分研究还综合考虑了温度、pH值、水分活度(Aw)以及空气组成或防腐成分等因素对蜡样芽胞杆菌在肉类中生长的影响来建立蜡样芽胞杆菌的生长模型。2007年，仪淑敏等[15]研究了在不同温度、pH值、NaCl 浓度条件下营养肉汤中蜡样芽胞杆菌的生长情况，分别建立了25 ℃、37 ℃下蜡样芽胞杆菌在营养肉汤中生长的Richards模型和MMF模型以及这2个温度下维也纳香肠中的MMF模型，所建模型均能准确预测2种食品基质中蜡样芽胞杆菌的生长。模型为维也纳香肠生产过程中蜡样芽胞杆菌的控制提供了重要参考。类似的研究也见于Sutherland等[16]1996年的研究和Ölmez等[17]的研究。Sutherland等[16]以Baranyi模型作为一级模型拟合了不同温度、pH值、NaCl浓度和CO2浓度的组合下6株嗜温蜡样芽胞杆菌营养体的混合接种物的生长曲线，并通过将倍增时间的预测值与文献报道的家禽和肉制品及牛奶中蜡样芽胞杆菌的营养体或孢子生长的倍增时间的观测值做比较，发现各种食品的生长用Baranyi模型可实现准确预测；二级模型则建立了上述4种因子的响应面模型，对不同条件下菌株的生长情况作出了快速精确的估计，但模型仅适用于嗜温蜡样芽胞杆菌，若用于嗜冷菌株则会引起较大误差。Ölmez等[17]的研究与Sutherland等的研究有较大相似性，不同之处在于Ölmez等研究了乳酸钠浓度而不是CO2对蜡样芽胞杆菌生长的影响，用Gompertz模型拟合菌株的生长，模型拟合度也较好。

除肉制品外，乳制品中蜡样芽胞杆菌生长模型的建立也以有关温度的预测模型的建立为主。较早报道的是Zwietering等[18]1996年的研究。他们建立了一个简单的指数模型对巴氏杀菌乳中的蜡样芽胞杆菌数量进行估计。用平方根模型建立二级模型探究温度对生长速率的影响。所建模型简单易于验证，且使用方便。类似地，Valík等[19]研究了巴氏杀菌乳中的蜡样芽胞杆菌在5～13 ℃范围内不同温度下储存时的生长动力学及货架期，用Baranyi模型模拟蜡样芽胞杆菌在不同温度下的生长，各温度下拟合度均较高，以修正的Arrhenius型模型描述温度对迟滞期的影响，用平方根模型描述温度对生长速率的影响，此2种二级模型都对巴氏杀菌乳中蜡样芽胞杆菌的生长情况做出了较为准确的预测。类似的研究也见于Kim等[20]的报道，该研究以修正的Gompertz模型来估计牛奶中蜡样芽胞杆菌的动力学参数，二级模型的构建则用了平方根模型，结果表明模型拟合度良好，可用来描述牛奶储存过程中的动力学行为。2016年，邱红玲等[21]对复原乳接种蜡样芽胞杆菌，并分别在低温(4 ℃和8 ℃)、适温(25，37和42 ℃) 条件下采用修正的 Gompertz 模型和平方根模型模拟蜡样芽胞杆菌在低温和适温条件下的一级和二级生长动力学模型，研究显示修正的 Gompertz 模型能较好地拟合蜡样芽胞杆菌的生长曲线；平方根模型能较好地拟合温度与蜡样芽胞杆菌最大比生长速率μmax的线性关系。模型为开展复原乳中蜡样芽胞杆菌的风险评估和预警提供了理论基础。上述研究仅考虑了乳及乳制品中只有蜡样芽胞杆菌一种菌时的情况，并未考虑2种及2种以上的菌共同存在时蜡样芽胞杆菌的生长情况，而真实食品基质中往往会同时存在多种菌。李敏[22]考虑了2种菌同时存在时蜡样芽胞杆菌的生长情况，从巴氏杀菌乳中分离得到假单胞菌和蜡样芽胞杆菌，用Baranyi方程拟合2种菌在不同温度下的生长曲线，验证发现模型拟合优度佳；以平方根模型作为二级模型也具有较好的拟合优度。

此外，关于蛋制品中蜡样芽胞杆菌的生长也有相关报道。Grijspeerdt等[23]将Baranyi模型结合Ratkowsky平方根模型描述液体全蛋制品中蜡样芽胞杆菌的生长以量化温度对生长的影响，进而评价参数估计的最优实验设计技术(OED / PE)的实际应用效果。用上述一级模型和二级模型，不断重复可得到准确的生长参数。

从食品基质来看，动物性食品中蜡样芽胞杆菌的生长建模的研究以乳及乳制品中为最多。不同动物性食品中蜡样芽胞杆菌的生长动力学模型及参数见表1。在模型应用上，一级模型以Gompertz 模型和Baranyi模型拟合度为最好，因而此两种模型被广泛用来估计不同条件下动物性食品中蜡样芽胞杆菌的生长参数。在二级模型的研究中，关注较多的环境因素主要是温度、pH值、Aw、气体组成以及防腐添加物等。其中各种食品在生产链中波动最大的因素是温度，故温度是预测模型研究最多的因素。在关于温度因素的研究中，最常使用平方根模型作为二级模型来拟合。平方根模型建立以后，众多研究者对其进行了多次修正，现已逐渐扩展到pH、Aw、CO2浓度等，其基本形式被视为最经典的二级模型之一。除了广泛使用的平方根模型外，多项式模型、响应面模型、主参数模型等在有多个因素的二级模型的建立中也得到普遍应用，如Heo等[24]在蜡样芽胞杆菌二级模型的研究中使用响应面方法建立二级模型来预测蜡样芽胞杆菌的生长速率。Carlin等[25]用主参数模型确定了七个主要蜡样芽胞杆菌种群的菌株在所研究的温度、Aw和pH值下的Tmin，Topt，Tmax，pHmin，pHopt，Awmin和mopt。

2.1.2失活模型

针对动物性食品中蜡样芽胞杆菌失活模型的研究主要围绕热失活、辐照、pH、压强、脉冲电场以及添加物等因素展开。

因加热是最常用的食品加工方式，蜡样芽胞杆菌的芽孢又有加热难以灭活的特性故关于动物性食品中蜡样芽胞杆菌热失活的研究最多。受热均匀的芽孢其致死率和处理时间的关系一般用D值表示，D值越大则菌体的耐热性越强。Janštová等[26]对分离自生牛乳和农场环境中的6株蜡样芽胞杆菌菌株在90～135 ℃下暴露不同时间时的耐热性开展了研究，研究表明随温度增加，D值降低，尤其是95 ℃到100 ℃，菌株耐热性显著降低。不同文献报道的D值和Z值存在较大差异，此现象产生的原因可能是加热介质的成分不同或菌株不同而导致。如全脂奶和脱脂奶中ATCC 9818的D100值分别为2.55 min和3.35 min，而ATCC 7004对应的D100值则分别为0.27和0.31[27]。Desai等[28]也做过类似的研究。

但有时候存活率和处理时间不一定是线性关系，特别是当非等温处理时，菌体的失活曲线常常有“拖尾”或者“扫肩”现象的出现，故而需要建立精确

表1 不同动物性食品中蜡样芽胞杆菌的生长动力学模型及参数

度更高的动力学模型来替代已有的基于一级动力学方程的D值模型。已有研究采用 Weibull 模型拟合文献报道中的微生物失活过程中的数据，证明Weibull 方程优于一级动力学方程[29-34]。另有研究对分离自腐败奶酪和牛棚空气中的2株蜡样芽胞杆菌在不同盐胁迫条件和生理状态下的耐热性进行定量评估，用具有大量营养细胞存活率的线性和非线性(Weibull,Biphasic linear,Biphasic logistic,Modified Gompertz,Reparameterized Gompertz,Baranyi,Geeraerd)微生物存活模型拟合其存活数据，并得到Biphasic logistic模型和Geeraerd模型最适合用来量化不同盐胁迫条件及不同生长阶段下的蜡样芽胞杆菌的耐热性的结论[35]。

除热失活外，还有许多研究者致力于辐射、光、高压等各种非加热形式的高新加工技术所致的动物性食品中蜡样芽胞杆菌失活的研究。以Lara等[36]做的研究为例，其对2株蜡样芽胞杆菌的芽孢受到1，3和7 kGy不同剂量的电离辐射下的D值进行了研究。随剂量的增加蜡样芽胞杆菌芽孢数呈线性减少，但不同菌株的线性系数不同。电离辐射前后，D值显著减小，但失活温度和电离辐射剂量间的量化关系不明显。此外，Marc等[37]研究并建立了蜡样芽胞杆菌的光破坏模型，用Weibull 模型来描述蜡样芽胞杆菌用光敏剂5-氨基乙酰丙酸(aminolevulinic acid，ALA)处理后的存活曲线，其拟合优度良好；并建立了二次方程来描述ALA浓度和培养时间对Weibull模型参数的影响，研究证明所建模型有利于优化光敏失活处理过程。2016年，Evelyn等[38]还研究了高压(high pressure processing，HPP)结合热处理对蜡样芽胞杆菌孢子的杀灭效果，发现300～700 MPa的高压处理结合高温可提高对耐热型芽孢的杀菌效率。线性模型、Weibull 模型和Log-Logistic 模型拟合的结果显示，在高压结合热处理时，Weibull 模型比 Log-Logistic模型对2株菌芽孢存活曲线的拟合度更高。而芽孢在常压热处理时的存活曲线用一级动力学模型拟合更适合。类似地研究也见于Van Opstal等[39]对牛奶中蜡样芽胞杆菌在高压和高温下失活的报道。另外，Huang等[40]则用响应面的方法来优化添加表面活性素和芬荠素使牛奶中蜡样芽胞杆菌内生孢子失活的处理，分析结果表明所建响应面模型具有极好的拟合度。Pina-Pérez等[41]则利用Bigelow模型、Weibull分布函数、修正Gompertz方程和Log-Logistic模型来模拟脉冲电场和12%可可粉对液体全蛋脱脂乳混合饮料中的蜡样芽胞杆菌失活的协同作用。经比较，4个参数的Log-Logistic模型拟合效果最好。

从以上可以看出，关于动物性食品中蜡样芽胞杆菌失活模型的研究，早期研究多关注热处理对其孢子失活或耐热性的影响。与传统热加工相比，非热处理的高新加工技术对动物性食品中蜡样芽胞杆菌及芽孢的杀菌效果更好，且对食品本身的营养成分及感官品质影响较小，故近年来对高新加工技术使蜡样芽胞杆菌失活的研究较多。在对蜡样芽胞杆菌及芽孢失活动力学模型进行研究时，一般先进行线性模型的模拟，并通过其他失活研究的模型参数D值、Z值做比较对微生物的耐受性作出初步评价。若线性模型拟合效果不佳，可对曲线的线性部分进行线性拟合，也可用Weibull、Log-Logistic等非线性模型来拟合动物性食品中蜡样芽胞杆菌的整个失活过程。若以上模型的拟合效果仍不佳，可考虑应用其他非线性模型，如Bigelow模型等。

2.2 概率模型

关于蜡样芽胞杆菌概率模型较早的研究来自Lanciotti 等[42]，其用Logistic回归模型建立了蜡样芽胞杆菌在温度、pH值、Aw和乙醇浓度等生长因子控制下的生长/无生长(G/NG)边界，并用此模型确定了pH值、Aw和温度的最小值，以及允许的最大乙醇浓度。经验证，模型拟合效果良好。Daelman等[43]做了更为具体的研究，采用2套logistic回归模型建立了2种蜡样芽胞杆菌菌株的孢子的生长/无生长(G/NG)模型，所建模型包括产品参数(Aw和pH值)和工艺参数(90 ℃的巴氏杀菌值或加热温度)。实验验证结果显示2套模型均有较高的拟合准确度。

本课题组邱静等[44]曾开展过动物性食品中微生物生长的概率模型研究。2012年其运用 Logistic 方程构建不同气调 CO2比例下假单胞菌的生长概率模型，并建立G/NG边界曲线来研究气调保鲜冷却猪肉中假单胞菌的生长概率。模型拟合效果良好，为冷却猪肉的气调包装组分提供了选择依据。后又进一步建立了最小检出生长时间模型，该模型为气调包装冷却猪肉的货架期研究提供了有用借鉴[45]。

而我国关于蜡样芽胞杆菌概率模型的研究则见于2013年陈琛等[46]的报道。其用Logistic回归模型建立了不同温度、Aw和pH值等环境因子作用下蜡样芽胞杆菌的G/NG界面模型，并确定了其生长界限。实验结果显示用Logistic回归模型建立的G/NG模型拟合效果达到了极显著水平。模型量化了环境因子对蜡样芽胞杆菌的协同作用，为软烤虾仁产品中蜡样芽胞杆菌的界面模型提供了参考。

蜡样芽胞杆菌在动物性食品中的概率模型研究往往是用Logistic模型描述蜡样芽胞杆菌的生长概率与温度、pH值、Aw等环境因素间的关系。Logistic回归模型将预测微生物学与概率模型、栅栏技术和动力学模型相结合，是描述平缓G/NG转换区域最常用的方法，但模型的建立依赖于微生物生长界限已知。不同食品基质中蜡样芽胞杆菌的失活模型见表2和表3。

3 动物性食品中蜡样芽胞杆菌预测建模在风险评估方面的应用

根据实施动植物卫生检疫措施的协定(Agreement on the Application of Sanitary and Phytosanitary Measures，SPS)的描述，风险评估是评价食品中存在的添加剂、污染物、毒素或致病有机体对人类、动物或植物的生命或健康产生的潜在不利影响。风险评估过程一般分为危害识别、危害描述、暴露评估和风险描述4个阶段。微生物风险评估包括定性风险评估和定量风险评估2大类。其中微生物定量风险评估是预测微生物模型的主要应用之一。

较早的动物性食品中蜡样芽胞杆菌定量风险评估的研究是1997年Notermans等[47]对巴氏杀菌乳中蜡样芽胞杆菌的风险评估，表明巴氏杀菌乳中蜡样芽胞杆菌在较低的温度下( 6～12 ℃)也能快速繁殖，脂肪含量4%和7%的乳暴露量存在差异，分别是大于1×107CFU/mL和1×105CFU/mL。研究指出了乳中蜡样芽胞杆菌的主要风险因素为温度、保存时间、暴露量及初始芽孢量。故由初始芽孢量、贮藏温度及时间可预测出乳中污染的蜡样芽胞杆菌数量。我国较早的报道是褚小菊等[48]的研究，该研究将预测微生物学的方法与北京地区巴氏牛奶的运输和销售的总体情况以及北京地区牛奶消费的相关情况结合，建立了巴氏灭菌乳中蜡样芽胞杆菌在流通领域的暴露评估模型。最后得出流通领域的温度和时间是影响巴氏奶安全性的主要因素。但因微生物生长采用了Zwietering的预测模型，该模型未考虑迟滞期对微生物增长量的影响，对蜡样芽胞杆菌不同菌型的种间差异也未加以区分，给评估结果带来了一定的不确定性。但应用复杂的一些模型(如Sigmoidal)也未被证实具有更准确的预测功能[49]。此外，董庆利[50]曾基于文献中已建立的蜡样芽胞杆菌生长模型结合概率函数来估计消费者食用蒸煮米饭时的蜡样芽胞杆菌摄入量，并结合Monte Carlo分析对米饭从销售到食用阶段中蜡样芽胞杆菌的风险水平开展了暴露评估。研究表明，米饭销售温度是需要进行重点控制的风险因素。2013年董庆利等[51]基于指数模型、泊松模型、对数模型、Weibull模型等及其修正形式构建了米饭中蜡样芽胞杆菌的剂量效应模型。结果显示Gamma-Weibull模型是描述米饭中蜡样芽胞杆菌的最优剂量效应模型，该模型可用于蜡样芽胞杆菌风险评估中的危害特征分析。最新的相关报道是Kumari和Sarkar[52]使用响应面法和Monte Carlo模拟建立了定量风险评估模型来评估印度大吉岭区被蜡样芽胞杆菌污染的巴氏杀菌乳的消费引起的公共卫生风险。研究发现在家庭冰箱储存过程中细胞载量和储存温度是微生物数量增长的主要影响因子。该研究为风险管理者和决策者提供了全面了解关键因素的宝贵工具，并说明了为使巴氏灭菌牛奶中的蜡样芽胞杆菌初始数量达到最小，在奶制品生产线上设计和更好实施危害分析和关键控制点(hazard analysis and critical control points，HACCP)是十分必要的。

表2 不同动物性食品中蜡样芽胞杆菌失活的线性模型及参数

上述研究大多是对乳制品中蜡样芽胞杆菌开展的风险评估，针对其他动物性食品中蜡样芽胞杆菌的风险评估也有相关报道。Daelman等[53]对具有延长耐用性的冷藏加工食品(refrigerated，pasteurized foods with extended durability，REPFEDs)中嗜冷蜡样芽胞杆菌的营养体进行了定量暴露评估(quantitative microbiological exposure assessment，QMEA)，使用了模块化过程风险模型(modular process risk model，MPRM)来模拟 QMEA过程。这个QMEA过程包括从原料经过巴氏灭菌直到被消费或丢弃的全部生产和分销过程。其研究结果表明，变异性和不确定性的主要驱动因素是消费者行为、菌株变异性和建模误差；估计出最终产品中蜡样芽胞杆菌的流行率为48.6%±0.01%；确定了4个污染关键点：1)原材料污染，2)包装期间再次污染，3)巴氏消毒和烹饪期间菌落的减少，4)零售及消费者的冷藏对菌落的控制。Pina-Pérez等[54]对牛奶-鸡蛋-可可(富含12%多酚)的混合饮料中经过高压处理(HPP)(100，200，300 MPa)并储存(10 ℃，15 d)的蜡样芽胞杆菌建立了随机暴露评估模型，以预测蜡样芽胞杆菌的最终载量(Nf，CFU/mL)。研究发现补充了可可粉的饮料最终蜡样芽胞杆菌浓度为6 CFU/mL，低于感染剂量(1×104～105CFU/mL)的概率为95%，影响该饮料中蜡样芽胞杆菌细胞最终载量的主要因素由大到小依次为可可添加量、HPP处理、初始菌数、储存时间。

表3 不同食品基质中蜡样芽胞杆菌失活的非线性模型及参数

与建模的研究情况一致，乳及乳制品同样也是动物性食品中有关蜡样芽胞杆菌的风险评估中研究最多的食品类型。其中巴氏杀菌乳采用的是72～85 ℃左右的低温杀菌，在杀灭牛奶中有害菌群的同时可完好地保存其中的营养物质和纯正口感，但蜡样芽胞杆菌的孢子难以杀灭，灭菌后乳中仍有存在蜡样芽胞杆菌并致病的风险，故大多数研究集中于巴氏杀菌乳中蜡样芽胞杆菌的风险评估，评估方法通常使用Monte Carlo模拟。当前对动物性食品中蜡样芽胞杆菌剂量效应模型的构建有待进一步研究。

4 结论与展望

综述了动物性食品中蜡样芽胞杆菌的预测建模及风险评估应用的研究进展。 这些预测模型量化了蜡样芽胞杆菌在动物性食品中的行为，对动物性食品中蜡样芽胞杆菌的风险评估和质量控制具有重要意义，特别是为肉与肉制品、蛋与蛋制品、乳与乳制品等产品的质量安全管理提供了重要参考。与耗费大量人力和时间的传统实验室检测方法不同，建立预测模型能够克服微生物检测方法的滞后性并可实现特定环境中微生物生长速率的快速预测，从而进一步用来评估风险，有助于提高食品生产效率及产品品质，但当前研究仍存在一些问题。

其一，国外对动物性食品中蜡样芽胞杆菌的建模及应用的研究较为全面，但国内对动物性食品中蜡样芽胞杆菌的预测建模及其应用的研究较少，仅研究了原料乳，巴氏杀菌乳和少数肉制品等，且只针对食品生产或流通中的某一环节，研究范围小，研究对象有待深入，特别是结合剂量效应模型的研究。

其二，动物性食品中蜡样芽胞杆菌的建模数据大多基于平板计数法，此方法操作简单并可将活菌和死菌区别开来，但需做大量重复工作，耗费时间长。

其三，预测建模的研究多集中在温度、pH、水分活度等环境因素对乳制品中蜡样芽胞杆菌生长的影响，往往仅在实验室条件下进行蜡样芽胞杆菌的单一接种，接种量高。而实际的动物性食品基质中不同营养成分、多种微生物共存及交叉污染等因素影响下蜡样芽胞杆菌生长的真实情况尚待研究。

其四，模型多是对各种条件下蜡样芽胞杆菌的生长进行预测，而对动物性食品中蜡样芽胞杆菌产腹泻型肠毒素或呕吐型肠毒素的具体条件、产毒时间、产毒量等预测尚待进一步研究。

今后的研究应主要集中在以下几个方面：

首先，根据国内食品的具体特点，对各种动物性食品在生产及流通全过程中蜡样芽胞杆菌的预测建模开展研究。可借鉴国外经验并与国内食品具体特点结合，对我国各种动物性食品中蜡样芽胞杆菌从原料到餐桌的全过程开展预测建模及应用的研究，建立包含各个操作环节的预测模型，为动物性食品的安全评价提供更有力参考。

其次，可根据不同食品特点及实验需要选用实时荧光定量PCR法进行蜡样芽胞杆菌浓度的间接测定，若样品颜色不深也可选用比浊法测定细菌数目，此2种方法操作简单，可迅速测定菌的数量从而减少平板计数方法的工作量，节约时间。还可根据实验要求选用计数器测定法、免疫法、阻抗法等进行菌落数的快速测定。

再次，考虑实际食品基质中的多种影响因素开展建模研究。针对不同动物性食品的营养成分、包装特点、微生物相互作用、微生物代谢特征等因素考虑不同因素的综合作用效果，开展动物性食品中蜡样芽胞杆菌预测模型的构建，使模型在实际食品中的适用性更强。

此外，可将研究重点逐渐转向产肠毒素预测。今后可将动物性食品中蜡样芽胞杆菌的生长预测与产毒素预测结合实现由细菌数量或浓度来预测毒素产生的风险，探究蜡样芽胞杆菌的产毒规律，对蜡样芽胞杆菌产腹泻型毒素及产呕吐型毒素的模型开展深入研究，为动物性食品中蜡样芽胞杆菌的安全及风险评估提供更为准确的依据。

最后，充分运用三级模型，将已有的研究数据进行整合。三级模型如Combase，其包含温度、pH、Aw、CO2等环境因子，具有较全面的预测微生物学信息；Sym’previus除涉及预测微生物模型外，还提供某些流行病学数据，并可对各种信息进行综合分析；SMAS是一个冷链肉制品综合管理系统，能够保障从原料加工到产品销售全过程的安全和品质。运用这些模型不仅能够节约研究时间，并可快速建立动物性食品中蜡样芽胞杆菌的预测模型以及实现与风险评估的充分结合。此外，也可将动物性食品中蜡样芽胞杆菌的实验室研究数据和实际案例相结合，开发动物性食品中的蜡样芽胞杆菌数据库以及相关预测软件，提高模型预测的准确性。

[1] 陆湘华,崔昌,王远萍,等.蜡样芽孢杆菌食物中毒的研究进展[J].传染病信息,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,刘秀梅.2003—2007年中国1060起细菌性食源性疾病流行病学特征分析[J].中国食品卫生杂志,2010,22(3):224-228.

[3] 徐君飞,张居作.2001—2010年中国食源性疾病暴发情况分析[J].中国农学通报,2012,28(27):313-316.

[4] 赵月明,任国谱.乳制品中蜡样芽孢杆菌的研究进展[J].中国乳品工业,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] 仪淑敏,李远钊,张培正,等.食品中蜡样芽孢杆菌的预测模型及风险评估[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] 张伟伟,鲁绯,张金兰,等.食品中蜡样芽孢杆菌的研究进展[J].中国酿造,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] 顿玉慧,赵更峰,郑启伟.蜡样芽孢杆菌致吐毒素的研究现状[J].食品科学,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] 毕宇涵,郑晓华,薛成玉,等.米面制品蜡样芽孢杆菌污染状况调查[J].中国公共卫生管理,2012,28(6):819-820.

[10] 吴雅儿.因喂服染有蜡样芽胞杆菌奶粉引起婴儿腹泻1例[J].海峡预防医学杂志,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] 岳晓禹,胡志霞,刘相东,等.食品微生物预测模型研究进展[J].郑州牧业工程高等专科学校学报,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] 仪淑敏,李远钊,张培正,等.蜡样芽孢杆菌在营养肉汤和维也纳香肠中的生长模型及控制[J].食品工业科技,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] ÖLMEZ 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] 邱红玲,唐晓阳,王李伟,等.复原乳中三种常见致病菌的生长动力学模型构建[J].上海预防医学,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.

[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. 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] 邱静,董庆利,胡孟晗.气调保鲜冷却猪肉中假单胞菌最小检出生长时间模型的构建[J].食品科学,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] 陈琛,杨宪时,李学英.蜡样芽胞杆菌生长/非生长界面模型的建立和评价[J].食品与发酵工业,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,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. 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] 董庆利.蒸煮米饭中蜡样芽孢杆菌的定量暴露评估[J].食品科学,2013,34(21):306-310. DONG Q L.Quantitative exposure assessment ofBacilluscereusin cooked rice[J].Food Science,2013,34(21):306-310.

[51] 董庆利,王海梅,刘箐,等.米饭中蜡样芽孢杆菌剂量效应模型的构建[J].食品安全质量检测学报,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.

(责任编辑：李 宁)

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

董庆利，陈元美，杜建萍，等. 动物性食品中蜡样芽胞杆菌的建模及风险评估应用进展[J]. 食品科学技术学报，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”国家科技支撑计划项目(2015BAK36B04)；国家自然科学基金面上项目(31271896；31371776)；上海市科委长三角科技联合攻关领域项目(15395810900)。

董庆利，男，教授，博士，主要从事预测微生物学与风险评估方面的研究。

TS251.1

： A