MICROBIOLOGIA PREDICTIVA

June 12, 2018 | Author: Anonymous | Category: Documents
Share Embed


Short Description

MICROBIOLOGÍA PREDICTIVA CURSO : BIOTECNOLOGIA DE LOS PAI DOCENTE : M.Sc. VICTOR ... Material. Ventajas: Rapidez. imped...

Description



MICROBIOLOGÍA PREDICTIVA CURSO

:

DOCENTE

:

BIOTECNOLOGIA DE LOS PAI

M.Sc. VICTOR VASQUEZ VILLALOBOS

INTEGRANTES : AGUIRRE ÁVILA, JESUS AQUINO 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

4. Modelización Parámetros de crecimiento tasa de crecimiento fase de adaptación el máximo de crecimiento

Variables temperatura pH, conservantes, acidos organicos,co 2, 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 alimento demostrar 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

13.5 ºC

0.0426 h

17.7 ºC

0.0426 h

-1

-1

-1

MÉTODO DE VALIDACIÓN

 B f : factor sesgo; A f : 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 Entrada

Capa 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

View more...

Comments

Copyright © 2017 EDOC Inc.