1食品微生物与微生态研究
食品腐败主要是微生物活动的结果。前人对食品的微生物腐败进行了大量系统的研究，逐步认识到，虽然食品在加工流通过程中会受到各种细菌的污染，但*终只有部分细菌大量增殖，在腐败中占据主导地位。这些优势菌包括产生腐败代谢产物（臭味、异味、颜色等）的微生物，还包括不产生腐败代谢产物的细菌，前者被称之为特定腐败菌。在贮藏初期，SSO数量和比率可能不高，但对特定贮藏环境的忍耐能力强、生长繁殖快，腐败活性强。
研究证明，假单胞菌、希瓦氏菌是冷链流通中高水分蛋白食品的SSO；弧菌等发酵型革兰氏阴性菌是新鲜水产品的SSO；真空或气调包装蛋白食品的SSO为明亮发光杆菌、乳酸菌、热杀索丝菌等；低酸、高盐、烟熏食品的腐败源于乳酸菌和酵母菌（Yeast）；热处理食品的腐败往往和芽孢杆菌有关。专家指出，相同地域的同类产品中，腐败优势菌往往包括几种微生物，但SSO可能只有一两种。由于SSO带来腐败，所以SSO的生长与腐败速度密切相关。SSO及其腐败代谢产物可作为食品品质指标，更重要的是，通过预测SSO的生长可以准确评估货架期。欧盟“鱼类鲜度评定”项目研究发现，腐败希瓦氏菌、明亮发光杆菌、热杀索氏菌等SSO的数目与产品货架期的相关性在0. 90～0. 99之间。
不同的原料、工艺、包装、贮藏等导致食品微生态系统的不同，SSO也随之变化，SSO生长预报模型只适合特定环境。为了准确预测货架期，必须针对不同产品进行食品微生物和微生态研究。微生物生长动力学模型的建立必须以加工、流通过程中积累的微生物学知识为基础。一般而言，预测模型的建立需要围绕腐败菌进行以下研究：
（1）特定腐败菌（SSO）及其腐败水平，SL是指腐败点（货架期终点） SSO的数量，SL是连接动力学生长模型和货架期终点的桥梁；（2）腐败反应，SR是指腐败过程产生的导致产品被感官拒绝的代谢产物，如挥发性臭味和异味或粘液等。SSO的鉴定离不开对各腐败优势菌产生的腐败代谢产物进行定性、定量分析；（3）腐败范围， SSO生长繁殖且产生腐败代谢产物的环境范围（pH、A w、温度、包装形式等）。
2预报微生物学生长建模
2. 1描述微生物动力学生长的数学模型
近年来，研究者提出不少描述微生物动力学生长的数学方程，包括Logistic方程、Gompertz方程、Richards方程、Stannard方程、Schnute方程等。其中Logistic方程和Gompertz方程能有效描述微生物生长，且使用方便，在有关SSO和腐败细菌生长动力学研究的文献中被广泛使用。1描述了9Logistic模型拟合的微生物生长动态，从图中看出，Logistic方程，特别是4 -参数的Logistic方程较好地模拟了细菌的生长。
3 -参数Logistic模型：
log N （ t）= log N max 1 + exp -μmax（ t - t i）
4 -参数Logistic模型：log N （ t）= log N min + N max - N min 1 + exp -μmax（ t - t i）
Gompertz模型：log N （ t）= log N 0 + log N max log N 0
exp - expμmax×2. 718 log N max
（Lag - t）+ 1（3）（1）～
式中， t为时间， N （ t）为t时刻的细菌数目， N max、N 0为*大和初始菌数（对数值） ，μmax为*大比生长速率，Lag为延滞时间。
2. 2温度对微生物动力学生长的影响
食品中细菌的生长受到诸多因子的影响，多数情况下，温度是*重要的影响因子，决定着微生物的生长速率。SSO建模过程中，大都把温度作为主要变量，探讨环境因子对细菌生长的影响。不同温度下，主要用*大比生长速率（μmax）和延滞时间（Lag）来衡量各种微生物生长的差异。温度对微生物生长动力学参数μmax和延滞期的影响多由Arrhenius模型或Belehradek模型描述。
Arrhenius模型b是方程的常数。
2. 3环境因子对微生物生长的影响
除温度外，食品中微生物的生长还受到A w、pH等因子的影响。在假设各因子单独作用的前提下，Zwietering等引入了生长因子γ的概念，描述多种环境因素的影响
：γ=μopt
式中，γ为实际生长因子，μ为实际生长速率（/ h），μopt为*适生长速率（/ h）。
测定各环境中微生物的生长速率，建立相应的数据库后，根据实际条件，单独计算出各种温度、pH、A w气体环境所对应的γ（ T）、γ（pH）、γ（ A w）、γ（O 2）等值，可根据方程计算出细菌的实际生长速率：γ=γ（ T）+γ（pH） +γ（ A w）+γ（O 2）
3食品货架期预测系统
3. 1 SSO生长动力学模型和食品货架期预测系统的建立
在食品微生态和微生物生长建模的基础上，不少科学家对预报微生物学在食品货架期预测领域的应用进行了深入的研究。对多数食品而言，货架期预测的核心是确定SSO并建立相应的生长模型。在此基础上，通过预测SSO的生长趋势就可以成功预测产品的货架期。某一产品中，SSO达到稳定期后的*大菌数（Nmax）和被感官拒绝时的*小腐败水平（Ns）基本固定在一个范围内，当Nmax和Ns确定后，由Arrhenius模型或Belehradek模型可计算出*大比生长速率（μmax）与延滞时间（Lag） ，然后根据SSO生长动力学模型计算SSO从N 0增殖到N s的时间预测货架期（SL）。同样，根据Logistic方程或Gompertz方程得到任何时刻t的细菌数N （ t）后，产品的剩余货架期（ MSL）也可以计算出来。例如，由Gompertz模型可以推导出下面的货架期预测公式：SL = Lag - log N max N 0 2。
718×μmax In - In log N s N 0 log N max N 0 - 1
目前，在畜禽肉、乳品、水产品等食品冷链流通领域中，已有不少应用SSO生长预报模型预测产品剩余货架期的研究报道。2总结探讨了建立食品货架期快速预测系统的基本实验过程，这对大多数新鲜及温和加工制品都适用。从看出，整个预测系统的建立分为两大步骤：
（1）以产品为基础，鉴定特定产品的SSO ，建立反映各环境因子（主要是温度）的SSO生长模型，并在实际流通中对模型的准确性加以验证改良，*终建立微生物生长模型数据库（中1～9）。
（2）为企业开发软件、数据采集仪等，*终提供方便实用的专家系统。在建立特定腐败菌生长模型数据库的基础上，开发交互式双界面的计算机软件系统对流通环境分析，从而根据数据库信息预测产品的货架期（中10～13）。
应用SSO的生长模型进行货架期预测时，需要具体分析环境（温度）信息。因此，建立专家系统的首要条件是开发合适的数据采集装置，记录贮藏中环境的变化。实际流通中，主要是跟踪温度变化，如澳大利亚Gaimini公司推出的Tiny data loggers ，美国LifeLine公司推出的Time2Temperature Indicator等，它们均可以连续记载流通中温度的波动变化，并凭借接口将环境信息快速输入电脑，从而依据数据库中储存的SSO生长动力学数据快速预测货架期。
3. 2食品货架期预测系统的实例
在低温有氧贮藏条件下，假单胞菌是奶、畜禽肉、鱼等高Aw蛋白质食品的SSO ，相当常见。澳大利亚Tasmania大学食品学院在假单胞菌生长模型基础上开发了FSP，这是能进行多环境因子分析的强大应用预测软件。
研究者首先建立了响应环境变化的假单胞菌生长模型。他们以恶臭假单胞菌1442等菌株出发，测得不同温度、Aw、pH下的生长数据8000多个，建立了500余条生长曲线；同时，用流通中积累的大量数据对模型进行了验证和改良，建立了假单胞菌生长模型数据库。在此基础上，开发了合适的数据软件、温度采集装置、浏览器、专家系统等，*终形成应用软件包，从而对SSO为假单胞菌的食品剩余货架期进行快速估测。该预测系统的应用范围：温度1. 5～38℃，Aw0. 950～0. 997 ，pH5. 3～7.
8.为了客观地评估该预测系统，应用了准确度（Accuracy factor ，AF）的概念，AF反映了预测值和实际值之间的比率。从下表中看出，在人工接种及自然腐败状态下，假单胞菌的预测值和实际值之间的偏差（Bias）在20 %以内。
除了FSP外，许多同类的货架期预测系统也正在开发验证之中，如丹麦水产研究所的SSP ，中国水产科学研究院东海水产研究所的FSLP等。这些预测软件针对不同地域、不同来源的产品，以SSO的生长模型为基础建立数据库，开发合适的环境因子采集装置，*终形成界面友好的专家系统预测产品的货架期。
4预报微生物学应用前景
预报微生物学是以数量化描述微生物行为的新兴学科，对食品贮藏流通过程中的质量和安全能作出合理判断，它在食品工业领域内有其独特的优越性：
（1）大大增加了产品货架期预测的可信度，有利于质量控制和远方市场的开拓；（2）积累食品微生物消长的数量化信息，有利于在产品开发（改良）中对工艺参数、产品配方的制定和微生物学质量的控制；（3）确定加工、贮藏、流通过程中可能导致食品腐败的关键点和缺陷，从而进行改良，控制微生物的数量，为HACCP等质量保证体系的实施和发展提供了重要手段。