Aby wyprodukować bezpieczną i trwałą żywność niezbędne jest zahamowanie wzrostu niepożądanych drobnoustrojów. Pomaga w tym mikrobiologia prognostyczna, która ma za zadanie przewidywać zachowanie mikroorganizmów w żywności przy pomocy modeli matematycznych. Metodę tą stosują naukowcy z Uniwersytetu Warmińsko-Mazurskiego w Olsztynie.
Ochrona zdrowia publicznego, straty ponoszone w wyniku produkcji żywności zagrażającej zdrowiu konsumenta i postępująca globalizacja powodują, że przedstawiciele branży spożywczej stają przed wyzwaniami związanymi z zapewnieniem bezpieczeństwa żywności.
– Ważnym aspektem jest poprawa mikrobiologicznej jakości produktów spożywczych będących na rynku, która wynika z wdrażania i ciągłego doskonalenia systemów zarządzania bezpieczeństwem żywności. W modelowaniu bezpieczeństwa produktów żywnościowych, w tym mleczarskich, pomaga mikrobiologia prognostyczna – tłumaczy dr hab. Jarosław Kowalik z Katedry Mleczarstwa i Zarządzania Jakością Wydziału Nauki o Żywności Uniwersytetu Warmińsko-Mazurskiego w Olsztynie.
Dodaje, że mikrobiologia prognostyczna pozwala na oszacowanie rozwoju i przeżywalności głównie drobnoustrojów chorobotwórczych, a także tych, które mogą powodować psucie żywności podczas przechowywania bądź przygotowywania posiłków.
– Głównym założeniem jest to, że w określonym środowisku dany mikroorganizm zawsze zachowa się w ten sam sposób. Powtarzalność reakcji drobnoustrojów została wykorzystana do modelowania matematycznego – opisuje dr hab. Jarosław Kowalik.
Modele prognostyczne oprócz wzrostu i przeżywalności drobnoustrojów mogą także wyznaczać spadki liczby bakterii, np. podczas modelowania procesów termicznych.
– Modele prognostyczne inaktywacji termicznej mikroorganizmów opisują kinetykę zmian liczebności populacji drobnoustrojów w odpowiedzi na ekspozycję na podwyższoną temperaturę w funkcji czasu – wyjaśnia dr inż. Adriana Łobacz, adiunkt z Katedry Mleczarstwa i Zarządzania Jakością WNoŻ, przypominając, że mikrobiologia prognostyczna została zdefiniowana w latach dziewięćdziesiątych ub. wieku na kongresie naukowym Food Microbiology. – W mikrobiologii prognostycznej zdecydowana większość prowadzonych badań skupia się na modelowaniu zachowania bakterii patogennych. Opracowywane są również modele prognostyczne służące do modelowania jakości produktów w kontekście zmian sensorycznych czy zmian fizyko-chemicznych, które następują wraz z upływem czasu – dodaje.
Mikrobiologiczne modele prognostyczne to nic innego, jak wzory matematyczne, różniczkowe równania matematyczne. W dobie uczenia maszynowego i sztucznej inteligencji korzystanie z modeli prognostycznych jest znacznie ułatwione.
– Obecnie dostępne są bezpłatnie narzędzia online w postaci modeli prognostycznych, które po wklejeniu danych uzyskanych w laboratorium, generują nam parametry opisujące dynamikę wzrostu modeli. Ważne jest jednak to, że do prognozy musimy podejść sceptycznie i nigdy nie ufać jej bezwarunkowo. Musimy ją sprawdzić, wykorzystując do tego swoją specjalistyczną wiedzę z zakresu technologii żywności – przestrzega dr inż. Adriana Łobacz.
UWM jednym z pionierów
Przykładem jednej z popularniejszych baz danych dotyczących mikrobiologii prognostycznej jest ComBase. Innym portalem, w którym zamieszczono modele opracowane dla konkretnych produktów spożywczych, jest Wama Predictor (WMP) dostępna na stronie UWM. Baza ta powstała w wyniku realizacji w Katedrze Mleczarstwa i Zarządzania Jakością projektu finansowanego przez Narodowe Centrum Badań i Rozwoju.
– Portal ten umożliwia zalogowanym użytkownikom prezentację symulacji kinetyki zmian populacji różnych gatunków bakterii zgodnie z opracowanymi modelami matematycznymi. Modele zamieszczone w bazie skonstruowaliśmy na podstawie wyników badań uzyskanych na produktach spożywczych pochodzenia zwierzęcego, takich jak: jogurt, kefir, mleko pasteryzowane, mleko UHT, sery miękkie z porostem i przerostem pleśni, sery dojrzewające typu holenderskiego, feta, mozzarella oraz twarogi. Podczas badań naukowych analizowaliśmy zachowanie bakterii chorobotwórczych z gatunku: Salmonella enteritidis, Listeria monocytogenes, Yersinia enterocolitica, Staphylococcus aureus oraz Escherichia coli w zakresie temperatur przechowywania 0–250 stopni Celsjusza – relacjonuje dr hab. Jarosław Kowalik.
Modele prognostyczne opracowane dla konkretnych produktów spożywczych pozwalają w krótkim czasie oszacować stan mikrobiologiczny żywności.
– To daje możliwość podjęcia decyzji (w przypadku stwierdzenia niezgodności) o wycofaniu produktu z rynku lub skrócenia terminu jego przydatności do spożycia. Modele matematyczne mogą być również skutecznym narzędziem do szacowania przyczyn i skutków nieprawidłowo przeprowadzonego procesu produkcyjnego. Są też pomocne w dialogu oraz znalezieniu wspólnego mianownika w kwestiach dotyczących zagrożeń mikrobiologicznych produkowanej żywności – wylicza badacz w UWM.
I dodaje, że modele mogą przyczyniać się też do analizowania skutków w przypadku zatruć pokarmowych. Zauważa, że szczegółowa, tradycyjna kontrola żywności, pod względem jakości mikrobiologicznej jest w dużej mierze czaso- i pracochłonna, a wyniki badań mikrobiologicznych uzyskuje się po zakończeniu procesu. Badania przeprowadzane na dużą skalę są też kosztowne. Zastosowanie mikrobiologii prognostycznej do opracowanych i zwalidowanych modeli umożliwiło wykreowanie narzędzia pozwalającego przewidywać stan bezpieczeństwa gotowego wyrobu na poszczególnych etapach łańcucha żywnościowego.
Badania dotyczące mikrobiologii prognostycznej trwają w Katedrze Mleczarstwa i Zarządzania Jakością już ponad 20 lat.
– Ich celem jest zapewnienie, aby patogenne mikroorganizmy nie były obecne w produktach spożywczych, a w przypadku ich ewentualnej obecności – aby nie wykazywały zdolności do wzrostu i namnażania. Odmienna sytuacja dotyczy mikroorganizmów prozdrowotnych, których populacja powinna pozostawać na stabilnym poziomie przez cały okres przydatności produktu do spożycia – tłumaczy dr Adriana Łobacz. – W ostatnim dniu deklarowanego okresu trwałości liczba żywych komórek pożądanych bakterii powinna wynosić co najmniej 106 jednostek tworzących kolonie (CFU) na gram produktu – podpowiada badaczka.
Sylwia Zadworna, źródło: UWM