背景介紹：研究人員通過(guò)結合基于個(gè)體的建模（IBM）和食品微環(huán)境描述，預測單核增生李斯特菌在涂抹軟奶酪表面的生長(cháng)行為。李斯特菌是一種重要的食源性病原菌，能夠在低溫下繁殖，對食品安全構成嚴重威脅。傳統的風(fēng)險評估方法主要基于宏觀(guān)尺度的物理化學(xué)特性（如pH和水活度），但忽略了微觀(guān)尺度的變異性。本研究提出了一種新的建模方法，以更準確地評估李斯特菌在異質(zhì)食品中的生長(cháng)行為。研究使用了法國斯特拉斯堡地區的涂抹軟奶酪（Munster），通過(guò)三批奶酪的實(shí)驗設計，測量了奶酪表面pH和水活度（aw）的時(shí)空變異性。

實(shí)驗結果顯示，奶酪成熟過(guò)程中表面pH值從約5.0升高到超過(guò)7.0，且存在顯著(zhù)的空間變異性，例如半徑方向和凹陷/隆起部位的pH差異。微觀(guān)尺度的aw值范圍為0.96到0.98，成熟過(guò)程中保持穩定，但存在奶酪表面之間的變異性。為了更準確地描述李斯特菌的生長(cháng)行為，研究開(kāi)發(fā)了基于個(gè)體的建模（IBM）方法，考慮了單個(gè)細胞的生長(cháng)概率、滯后期和生長(cháng)速率，并結合了微觀(guān)尺度的物理化學(xué)特性。實(shí)驗中，通過(guò)人工污染實(shí)驗驗證了模型的預測能力。結果顯示，IBM方法能夠更好地描述低接種量和不利生長(cháng)條件下的李斯特菌生長(cháng)行為，尤其是在奶酪表面污染細胞數低時(shí)。與傳統的種群/宏觀(guān)方法相比，IBM方法能夠更準確地預測無(wú)生長(cháng)的情況，并且在高污染情況下不會(huì )高估風(fēng)險。此外，研究還模擬了奶酪成熟過(guò)程中李斯特菌的生長(cháng)，發(fā)現IBM方法預測的雙峰分布能夠反映出一些奶酪表面無(wú)生長(cháng)，而另一些奶酪表面則提供了有利的生長(cháng)條件。

微觀(guān)方法下的污染變異性比宏觀(guān)方法更大，且污染范圍約比宏觀(guān)方法大1個(gè)log10單位。結合IBM和微觀(guān)尺度的物理化學(xué)特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長(cháng)行為，尤其是在低接種量和不利生長(cháng)條件下。與傳統的種群/宏觀(guān)方法相比，IBM方法能夠更好地描述實(shí)際細菌行為的變異性，并預測高風(fēng)險情況。這一研究為食品安全管理和風(fēng)險評估提供了新的工具和思路，并為未來(lái)在其他食品中的應用奠定了基礎。

UnisensePH微電極系統的應用

unisense微電極用于測量涂抹軟奶酪表面微觀(guān)尺度的pH值。傳統方法通常測量宏觀(guān)尺度的pH值，這種測試方法無(wú)法捕捉到微觀(guān)尺度上的空間變異性。unisense PH 微電極能夠檢測到奶酪表面不同位置（如凹陷和隆起部位）的pH差異，揭示了微觀(guān)尺度的pH值相較于宏觀(guān)尺度的高度變異性。研究發(fā)現奶酪表面的pH值在半徑方向上存在顯著(zhù)差異，且凸起部位的pH值高于凹陷部位。這種微觀(guān)尺度的測量對理解李斯特菌在奶酪表面的生長(cháng)環(huán)境提供了更精確的信息。微電極的使用使得研究人員詳細了解奶酪表面的空間異質(zhì)性。通過(guò)在奶酪表面不同位置（如中心、半徑中間和邊緣）進(jìn)行多次測量，研究發(fā)現奶酪表面的pH值和水活度（aw）存在顯著(zhù)的空間差異。而空間異質(zhì)性對于理解李斯特菌的生長(cháng)行為至關(guān)重要，因為細菌的生長(cháng)不僅取決于宏觀(guān)環(huán)境，還受到微觀(guān)環(huán)境的影響。

實(shí)驗結果

使用了法國斯特拉斯堡地區的涂抹軟奶酪（Munster），通過(guò)三批奶酪的實(shí)驗設計，測量了奶酪表面pH和水活度（aw）的時(shí)空變異性。實(shí)驗結果顯示奶酪成熟過(guò)程中表面pH值從約5.0升高到超過(guò)7.0，且存在顯著(zhù)的空間變異性，例如半徑方向和凹陷/隆起部位的pH差異。結合IBM和微觀(guān)尺度的物理化學(xué)特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長(cháng)行為，尤其是在低接種量和不利生長(cháng)條件下。與傳統的種群/宏觀(guān)方法相比，IBM方法能夠更好地描述實(shí)際細菌行為的變異性，并預測高風(fēng)險情況。

圖1、人工奶酪樣品中，NaCl或水與奶酪混合后的滲透壓與水活性的關(guān)系。點(diǎn)表示觀(guān)察值的平均值，誤差條表示滲透壓的10次重復實(shí)驗和水活性的4次重復實(shí)驗的兩個(gè)標準差。

圖2、13.5°C下奶酪成熟過(guò)程中，奶酪表面微觀(guān)pH值的變化，A表示0.7厘米半徑的奶酪表面凸起處，B表示4.3厘米半徑的奶酪表面凹陷處。交叉點(diǎn)為觀(guān)察值（每個(gè)日期n=5），虛線(xiàn)表示建模的變異性區域的2.5%和97.5%分位數。

圖3、在8天（A）和14天（B）成熟時(shí)，在不同半徑位置（●表示凹陷處，y表示凸起處）觀(guān)察到的奶酪表面微觀(guān)pH值。點(diǎn)和誤差條表示15次重復實(shí)驗的平均值和標準差。

圖4、13.5°C下奶酪成熟過(guò)程中，奶酪表面微觀(guān)水活性的變化。三批奶酪的值通過(guò)不同符號表示，點(diǎn)和誤差條表示在同一奶酪表面上獲得的15或30次觀(guān)察的平均值和標準差。奶酪的清洗在第9或第10天和第13或第14天進(jìn)行。

圖5、觀(guān)察到的奶酪表面微觀(guān)水活性（aw）變異性，按表面和位置劃分。連接的點(diǎn)表示一個(gè)奶酪表面的累計分布函數（cdf），描述表面內位置的變異性（s location）。連接點(diǎn)分布的離散性說(shuō)明了奶酪間或表面間的變異性（s surface）。實(shí)線(xiàn)為一個(gè)表面的水活性中位數cdf，虛線(xiàn)顯示了建模的表面間變異性區域的2.5%和97.5%分位數。

結論與展望

一種基于個(gè)體的建模（IBM）方法被開(kāi)發(fā)用來(lái)描述幾株李斯特菌（Listeria monocytogenes）在涂抹軟奶酪表面的行為。IBM方法評估了細胞在奶酪表面上的隨機個(gè)體行為，并考慮了它們周?chē)h(huán)境的特性。研究人員使用了unisense微電極測量pH值和微滲透壓來(lái)評估奶酪微樣本的水活度。這些測量揭示了微觀(guān)尺度的pH值相較于宏觀(guān)尺度pH值的高度變異性。微電極技術(shù)(unisense)在本研究中發(fā)揮了關(guān)鍵作用，通過(guò)提供微觀(guān)尺度的pH和aw測量數據，揭示了奶酪表面的空間異質(zhì)性，支持了基于個(gè)體的建模方法，并驗證了模型的準確性。這種技術(shù)的應用不僅提高了對李斯特菌生長(cháng)行為的理解，還為食品安全評估提供了更精確的工具，有助于更有效地管理食品安全風(fēng)險。研究人員開(kāi)發(fā)了一個(gè)模型，描述了在成熟過(guò)程中pH值從約5.0升高到超過(guò)7.0的變化。還建立了描述奶酪表面空間變異性的模型，其中包括半徑方向上pH值的增高以及奶酪外皮隆起部位的pH值高于凹陷部位的現象。微觀(guān)尺度的水活度范圍約為0.96到0.98，并在成熟過(guò)程中保持穩定。與奶酪之間的變異性相比，奶酪表面上的空間變異性較小。將描述奶酪特性微觀(guān)尺度變異性的模型與IBM方法結合，用于模擬李斯特菌在奶酪表面的隨機生長(cháng)，并將這些模擬結果與不同成熟階段人工污染的輻照奶酪的細菌計數進(jìn)行比較。使用IBM/微環(huán)境方法模擬的李斯特菌計數變異性與觀(guān)察結果一致。通過(guò)這些模型，可以推導出不同的情境，如沒(méi)有生長(cháng)或高度污染的食品。IBM方法比傳統的種群/宏觀(guān)環(huán)境方法更有效地描述了實(shí)際細菌行為的變異性。本研究的結論表明，結合IBM和微觀(guān)尺度的物理化學(xué)特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長(cháng)行為，尤其是在低接種量和不利生長(cháng)條件下。與傳統的種群/宏觀(guān)方法相比，IBM方法能夠更好地描述實(shí)際細菌行為的變異性，并預測高風(fēng)險情況。這一研究為食品安全管理和風(fēng)險評估提供了新的工具和思路，并為未來(lái)在其他食品中的應用奠定了基礎。