基于加速货架期测试（ASLT）的冷藏加工肉制品乳酸菌生长预测评估

《Journal of Food Protection》：Predictive assessment of microbial growth in refrigerated food using Accelerated Shelf-Life Testing

　　

乳酸菌（Lactic acid bacteria, LAB）是已知的加工肉制品腐败菌，因此评估灭菌后交叉污染对于维持产品质量至关重要。值得注意的是，即使在初始菌数低于检测限的情况下，冷藏期间仍常可观察到LAB生长。这凸显了需要一种可靠的方法来预测货架期末的LAB种群数量，以支持卫生管理。在本研究中，研究人员开发了一种基于加速货架期测试（Accelerated Shelf-Life Testing, ASLT）的模型，用于评估冷藏货架期末LAB种群的可接受性（阈值：5.0 log₁₀ CFU/mL）。该模型基于Lactococcus piscium 105在肉汤培养基中的生长动力学而构建。模型表明，例如，对于30天的冷藏货架期，ASLT标准值为2.07 log₁₀ CFU/mL（或CFU/g）。这意味着如果加工肉制品中的LAB种群在ASLT中增加至≥2.07 log₁₀ CFU/g，则预计在30天冷藏货架期结束时将超过可接受限。ASLT标准值与货架期持续时间之间的关系可用幂函数描述。此外，该模型已在实际加工肉类中得到成功验证，R²和RMSE值分别为0.948和0.467。所提出的模型为冷藏条件下LAB生长风险的早期评估提供了一种新框架，有望支持严格的卫生管理。

食品安全和食品腐败是全球食品工业面临的重大挑战。世界卫生组织估计，2021年食源性传播的42种主要危害导致全球8.66亿人患病和152万人死亡，其中生物性危害占大多数。食品腐败不仅导致质量劣变，还加剧了食物损失。为控制此类风险，许多国家建立了以特定微生物有无或数量为基础的微生物标准。然而，已有研究表明，即使成品中腐败菌的初始数量低于检测限，货架期内仍可能发生腐败，尤其是在制造过程中发生交叉污染的情况下。因此，仅依靠初始细菌计数不足以保证产品在货架期内的质量稳定性，需要开发能够可靠评估供应链中腐败风险的方法。

乳酸菌（Lactic acid bacteria, LAB）是加工肉制品中常见的腐败菌，能够在冷藏条件下生长，导致异味、产气、粘液形成、渗出液和变色等腐败现象。虽然LAB通常不产生毒素且可被热或化学处理灭活，但灭菌后交叉污染可使其在冷藏期间存活并增殖。因此，除了对LAB进行灭活处理外，还需准确评估交叉污染后储存期间的产品腐败风险。然而，现有的定性检测方法无法提供预测储存期间LAB生长风险的定量依据。为此，研究人员开发了一种基于加速货架期测试（Accelerated Shelf-Life Testing, ASLT）的预测模型，用于评估冷藏加工肉制品在货架期末的LAB种群是否超过可接受阈值（5.0 log₁₀ CFU/g）。该模型可通过加速实验早期判断LAB在冷藏条件下的生长潜力，支持及时的卫生管理行动。

在技术方法上，研究人员从腐败加工肉制品中分离并筛选出Lactococcus piscium 105、Leuconostoc carnosum 201和Latilactobacillus curvatus 607等菌株，通过液体培养获取生长数据。主要关键技术包括：采用Baranyi-Roberts模型拟合不同温度下的生长曲线，获得最大比生长速率（μ_max）和延滞期（λ）；采用Ratkowsky平方根模型描述√μ_max与温度的关系，采用幂近似模型描述λ与温度的关系；通过模拟不同货架期对应的理论温度（T_theory），并结合温度敏感性校正，推导出ASLT条件下的预测生长参数，进而计算ASLT标准值。验证实验使用了由氢化淀粉水解物与猪里脊肉配制、具有不同pH和水分活度（a_w）的食品模型，在10 °C和25 °C下培养并测定菌数，以R²和均方根误差（RMSE）评价预测精度。

在结果部分，3.1 模型用菌株的选择：研究人员比较了三种菌株在20–35 °C下的μ_max。结果显示，L. piscium 105在20和25 °C时μ_max最低（0.13–0.14 h^?1），且在30 °C和35 °C下不生长；L. carnosum 201在25 °C时μ_max最高，但在35 °C下不生长；L. curvatus 607作为嗜温菌代表，在35 °C仍可生长。基于这些生长特征，选择生长速率最低的嗜冷菌L. piscium 105作为指示菌，以确保ASLT评估具有保守性。同时，将25 °C确定为加速温度，以避免嗜冷菌在过高温度下不生长而导致风险低估。

3.2 模型构建：通过2–25 °C的培养实验获得L. piscium 105的生长参数，二级模型显示√μ_max与温度呈线性关系（R²=0.964），λ与温度呈幂函数关系（R²=0.993）。基于不同货架期时长，模拟计算出对应的T_theory，进一步模拟得到ASLT标准值。该标准值随货架期延长而降低，二者关系可用幂函数描述（R²=0.980）。例如，30天冷藏货架期的ASLT标准值为2.07 log₁₀ CFU/mL（或CFU/g）。若ASLT检测中产品LAB数量达到或超过该值，则预测其在货架期末将超出5.0 log₁₀ CFU/g的可接受限。模型还显示，当初始菌数高于1.0 log₁₀ CFU/mL时可提供安全预测；对于长货架期或抑菌性强的产品，48小时加速期可能不足，建议延长加速时间但仍保持25 °C。

3.3 模型验证：验证实验采用了7种不同pH（5.67–6.03）和a_w（0.9535–0.9822）的食品模型。各模型在10 °C下的货架期（即L. piscium 105达到5.0 log₁₀ CFU/g所需时间）经拟合计算为2.58–19.79天不等；对应地在25 °C下培养48 h后实测菌数为2.48–8.65 log₁₀ CFU/g。通过将实测值与由近似函数预测的ASLT标准值进行比较，得到R²=0.948和RMSE=0.467 log₁₀ CFU/g，表明模型在实际食品基质中具有良好的预测性能。研究人员建议在实际应用时可加入约0.5 log₁₀ CFU/g的安全余量，以增强保守性。

在讨论部分，研究人员指出，该模型适用于LAB为主导微生物的食品体系，例如存在亚硝酸盐等可抑制背景菌群的条件。对于实际产品中微生物群落结构随储存温度变化的情况，仍需进一步验证。加工肉制品的物理结构多样性（如绞碎肉与切片肉）也可能影响模型适用性，本研究仅基于绞碎肉食品模型验证了该模型。