Warianty tytułu
Estimation of Growth and Survival of Probiotic, Spoilage and Pathogenic Bacteria in Food Using Prognostic Database (ProgBaz SGGW)
Języki publikacji
Abstrakty
Prognozowanie mikrobiologiczne polega na założeniu powtarzalności odpowiedzi populacji drobnoustrojów na zadane czynniki środowiska produktu żywnościowego. Na podstawie danych empirycznych pochodzących z doświadczeń mikrobiologicznych opracowywane są modele prognostyczne jako programy komputerowe bądź bazy danych dostępne on-line. Celem pracy było utworzenie bazy danych modeli prognostycznych bakterii potencjalnie probiotycznych, saprofitycznych i patogennych w formie użytecznego dla odbiorcy końcowego narzędzia zainstalowanego na serwerze SGGW pod nazwą ProgBaz SGGW. Materiał do badań stanowiły matematyczne modele wzrostu i przeżywalności bakterii saprofitycznych (psychrotrofów, Pseudomonas spp., drożdzy i pleśni) i patogennych: Salmonella spp., Staphylococcus aureus, Listeria monocytogenes (mikroflory niekorzystnej) oraz potencjalnie probiotycznych szczepów z rodzaju Lactobacillus (mikroflory korzystnej). Modele opracowano w Zakładzie Higieny i Zarządzania Jakością Żywności Wydziału Nauk o Żywieniu Człowieka i Konsumpcji SGGW w Warszawie, w latach 1997 - 2008. ProgBaz jest dostępny na stronie głównej SGGW w Warszawie w zakładce Gospodarka oraz na stronie Wydziału Nauk o Żywieniu Człowieka i Konsumpcji SGGW w zakładce Nauka i Usługi. Użytkownik może dokonać oszacowania wzrostu lub przeżywalności drobnoustrojów w czasie pod wpływem czynników środowiskowych (temperatury, poziomu NaCl, poziomu NaNO2, dodatku inuliny) w następujących produktach: modelowym produkcie z mięsa rozdrobnionego, produktach rynkowych mlecznych, mięsnych i warzywnych. Oprócz prognozy wzrostu możliwe jest uzyskanie informacji na temat cech populacji ((λ, μ, GT, N) oraz w przypadku modelu walidowanego - jakości prognoz. Są to informacje pozwalające oszacować bezpieczeństwo produktu oraz jego termin przydatności do spożycia. ProgBaz może być stosowany do oceny ryzyka mikrobiologicznego żywności, opracowywania planów bezpieczeństwa żywności, ograniczania marnotrawstwa żywności, projektowania nowych produktów oraz stanowić narzędzie edukacyjne i szkoleniowe. (abstrakt oryginalny)
Predictive microbiology is based on the assumption of repeatability of the microbial population response to the given environmental factors of a food product. Based on empirical data from the microbiological experience, predictive models are developed as online available computer software. The objective of the research study was to develop a database of predictive models of potentially probiotic, saprophytic and pathogenic bacteria in the form of a tool useful for the end customer and installed on the SGGW server under the name of "ProgBaz SGGW". The study material consisted of mathematical models of growth and survival of saprophytic bacteria (psychrotrophs, Pseudomonas spp., yeasts and moulds), pathogenic bacteria: Salmonella spp., S. aureus, L. monocytogenes (disadvantageous micro-flora) and potentially probiotic strains of Lactobacillus genus (advantageous micro-flora). The models were developed in the Department of Hygiene and Food Quality Management at the Faculty of Human Nutrition and Consumption Sciences at the Warsaw University of Life Sciences in 1997 - 2008. ProgBaz is available on the main website of SGGW (Warsaw University of Life Sciences referred to as SGGW) in Warsaw, Economy tab and on the website of the Faculty of Human Nutrition and Consumer Sciences, SGGW, Science and Services tab. The user can estimate the growth or survival of microorganisms over time and affected by environmental factors (temperature, NaCl level, NaNO2 level, and inulin additive) in the following products: model product made of minced meat, in dairy, meat and vegetable marketable products. In addition, it is possible to acquire information on the characteristics of the population (λ, μ, GT, N) and the quality of predictive value in the case of a validated model. This is the information that makes it possible to estimate the safety of the product and its shelf life. ProgBaz can be used to assess the microbiological risk of food, to develop food safety plans, to reduce food waste, to design new products, and to provide an educational and training tool. (original abstract)
Czasopismo
Rocznik
Numer
Strony
49--59
Opis fizyczny
Twórcy
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
autor
- Uniwersytet Ekonomiczny w Krakowie
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
autor
- Usługi Informatyczne, Warszawa
autor
- Usługi Informatyczne, Warszawa
autor
- Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
Bibliografia
- [1] Brucker S., Albrecht A., Petersen B., Kreyenschmidt J.: A predictive shelf life model as a tool for the improvement of quality management in pork and poultry chains. Food Control, 2013, 29, 451- 460.
- [2] Butler F., Xu Y.: Prediction of Staphylococcus aureus growth in ham during chilling using Pathogen Modeling Program. Biosystem Engineering, 2011, 16, 20-23.
- [3] Devlieghere F., Francois K., Vermeulen A., Debevere J.: Predictive microbiology. In: Predictive Modeling and Risk Assessment. Integrating Safety and Environmental Knowledge into Food Studies towards European Sustainable Development. Ed. R. Costa, K. Kristbergsson. Springer, Boston 2009, pp. 29-53.
- [4] Domańska S.: Weryfikacja modeli prognostycznych opracowanych dla produktów z mięsa wołowego rozdrobnionego. Praca magisterska, SGGW, Warszawa 2007.
- [5] González S.C., Possas A., Carrasco E., Valero A., Bolívar A., Posada Izquierdo G.D., García- Gimeno R.M., Zurera G., Pérez-Rodríguez F.: MicroHibro': A software tool for predictive microbiology and microbial risk assessment in foods. Int. J. Food Microbiol., 2019, 290, 223-226.
- [6] Huang L., Juneja V.K., Yan X.: Thermal inactivation of foodborne pathogens in the USA pathogen modeling program. J. Therm. Anals. Colorim., 2011, 106, 191-198.
- [7] Huang L.: IPMP 2013 - A comprehensive data analysis tool for predictive microbiology. Int. J. Food Microbiol., 2014, 171, 100-107.
- [8] Huang L.: IPMP Global Fit - A one-step direct data analysis tool for predictive microbiology. Int. J. Food Microbiol., 2017, 262, 38-48.
- [9] Jałosińska-Pieńkowska M.: Prognozowanie bezpiecznego okresu trwałości modelowych wyrobów mięsnych gotowych do spożycia. Praca doktorska, SGGW, Warszawa 1999.
- [10] Kajak K.: Prognostyczne modele trwałości mikrobiologicznej solonych i peklowanych produktów mięsnych. Praca doktorska, SGGW, Warszawa 2005.
- [11] Karpińska M.: Weryfiakcja modeli prognostycznych opracowanych dla produktów z mięsa rozdrobnionego wołowego. Praca magisterska, SGGW, Warszawa 2007.
- [12] Kopeć E.: Prognostyczne modele zmian mikrobiologicznych w produktach mięsnych. Praca doktorska, SGGW, Warszawa 2003.
- [13] Koseki S.: Microbial responses viewer (MRV): A new ComBase-derived database of microbial responses to food environments. Int. J. Food Microbiol., 2009, 134, 75-82.
- [14] Plaza-Rodríguez C., Thoens C., Falenski A., Weiser A.A., Appel B., Kaesbohrer A., Filter M.: A strategy to establish Food Safety Model Repositories. Int. J. Food Microbiol., 2015, 204, 81-90.
- [15] Rosiak E., Kajak-Siemaszko K., Trząskowska M., Kołożyn-Krajewska D.: Prognozowanie w mikrobiologii żywności. Post. Microbiol., 2018, 57 (3), 229-243.
- [16] Rozporządzenie Komisji (WE) nr 2073/2005 z dnia 15 listopada 2005 r. w sprawie kryteriów mikrobiologicznych dotyczących środków spożywczych. Dz. U. L 338, ss. 1-26, z 22.12.2005.
- [17] Seliwiorstow T., Uyttendaele M., de Zutter L., Nauta M.: Application of TRiMiCri for the evaluation of risk based microbiological criteria for Campylobacter on broiler meat. Microb. Risk Anal., 2016, 2 (3), 78-82.
- [18] Szczawiński J.: Mikrobiologia prognostyczna - zastosowanie praktyczne. Med. Weter., 2012, 68 (9), 540-543.
- [19] Trząskowska M.: Prognostyczne modele wzrostu i przeżywalności bakterii probiotycznych w wybranych produktach żywnościowych. Praca doktorska, SGGW, Warszawa 2006.
- [20] Zielińska D.: Prognostyczne modele przeżywalności bakterii probiotycznych w fermentowanym napoju sojowym. Praca doktorska, SGGW, Warszawa 2008.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171581578