“

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