1 ΜΙΚΡΟΒΙΟΛΟΓΙΑ ΤΡΟΦΙΜΩΝ Πέτρος Σ. Ταούκης Εθνικό Μετσόβιο Πολυτεχνείο, Σχολή Χηµικών Μηχανικών Εργαστήριο Χηµείας και Τεχνολογίας Τροφίµων 1 2 Τεχνολογία εµποδίων 2
ΦΥΣΙΚΑ ΕΜΠΟ ΙΑ 1. Θερµική επεξεργασία (π.χ. απο- 1. a w ΦΥΣΙΚΟΧΗΜΙΚΑ ΕΜΠΟ ΙΑ 3 στείρωση,παστερίωση,λεύκανση) 2. ph 2. Θερµοκρασία συντήρησης 3. Eh 3. Ακτινοβόληση. NaCl. Ηλεκτροµαγνητική ενέργεια. NaNO 2. Υπερυψηλή πίεση. CO 2. Ultrasonication. Οργανικά οξέα. Συσκευασία 8. Συντηρητικά 8. ΜΑΡ 9. Κάπνισµα 9. Ασηπτική συσκευασία 10. Μπαχαρικά 10. Μικροϋφή 11. Ανταγωνιστική µικροχλωρίδα 12. Βακτηριοσίνες 3
Παραδείγµατα εµποδίων σε ένα τρόφιµο, που θα µπορούσαν να είναι εµπόδια ασφάλειας και καθορίζουν τη συνολική ποιότητα του προϊόντος. Αν η ένταση ενός συγκεκριµένου εµποδίου σε ένα τρόφιµο είναιπάραπολύ µικρή, θα πρέπει να ισχυροποιηθεί. Αν αυτό είναι επιβλαβές για την ποιότητα του τροφίµου, θα πρέπει να ελαττωθεί. Με αυτή την προσαρµογή τα εµπόδια πρέπει να διατηρούνται σε ένα ιδανικό επίπεδο, λαµβάνοντας υπόψη τόσο την ασφάλεια όσο και την ποιότητα.
Προρρητική µικροβιολογία και υπολογιστικά µοντέλα Προρρητική µικροβιολογία (predictive microbiology): Ησυστηµατική µελέτη της συµπεριφοράς των σχετικών µε την ασφάλεια µικροοργανισµών υπό συγκεκριµένο συνδυασµό παραµέτρων ανάπτυξης (που επιβάλει η διεργασία). Μαθηµατικοποιεί την επίδραση καθοριστικών παραγόντων Θερµοκρασία ph Ενεργότητα νερού Συγκέντρωση αλάτων, οργανικών οξέων Μερική πίεση οξυγόνου, διοξειδίου του άνθρακα κ.ά. Παρουσία αντιµικροβιακών παραγόντων Άλλα εµπόδια (hurdles) Προρρητική Μικροβιολογία 8 Συνδυάζει στοιχεία µικροοβιολογίας, µαθηµατικών και στατιστικής Προβλέπει το ρυθµό ανάπτυξηςή µείωσης των µικροοργανισµών κάτω από συγκεκριµένες περιβαλλοντικές συνθήκες Λογισµικό για την πρόβλεψη της κινητικής της βακτηριακής ανάπτυξης Μαθηµατικά µοντέλα Βάσεις δεδοµένων 8
Εφαρµογές εξισώσεων πρόρρησης 9 Αποτελούν ένα χρήσιµοεργαλείογια: Τον προσδιορισµό της διατηρησιµότητας των τροφίµων Την ανάπτυξη συστηµάτων HACCP Παροχή πρώτων εκτιµήσεων για τις αναµενόµενες µεταβολές των µικροβίων Σχεδιασµός παραµέτρων και κρίσιµων σηµείων ελέγχου Το σχεδιασµό νέων προϊόντων 9 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ PREDICTIVE MICROBIOLOGY 10 Κινητική προσέγγιση Αρχές Καταγραφή της ανάπτυξης/θανάτου των µικρ/ών υπο καθορισµένες, ελεγχόµενες συνθήκες Έκφραση των αποτελεσµάτων υπό τη µορφή µαθηµατικών εξισώσεων δυνατότητα πρόβλεψης της ανάπτυξης/θανάτου σε συνθήκες που δεν έχουν καταγραφεί 10
11 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ Στόχοι των µοντέλων Να προβλέψουν τη διάρκεια ζωής και την ασφάλεια των τροφίµων Να προσδιορίσουν την επίδραση που έχουν στα τρόφιµα νέα εµπόδια ή διαφορετικοί συνδιασµοί τους Να προβλέψουν τη µικροβιολογική σταθερότητα νέων προϊόντων που έχουν υποστεί αλλαγές στον τρόπο παρασκευής και στη µορφή τους και διαφέρουν από τα είδη υπάρχοντα προϊόντα των οποίων η συµπεριφορά είναι γνωστή Να βοηθήσουν στον προσδιορισµό της επίδρασης στην ποιότητα και την ασφάλεια τροφίµων που έχουν υποστεί κακοµεταχείρηση ως προς τη θερµοκρασία Να διευκολύνουν την ανάπτυξη προγραµµάτων ΗΑCCP 11 12 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ διαδικασία Στάδια Πειραµατικός Σχεδιασµός Συλλογή εδοµένων και Ανάλυση αυτών Μαθηµατική Περιγραφή Αξιολόγηση των Μοντέλων 12
ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 13 Πειραµατικός Σχεδιασµός Ανεξάρτητες µεταβλητές του µοντέλου ιάστηµα ανεξάρτητων µεταβλητών του µοντέλου Αλληλεπιδράσεις µεταβλητών Μέσο ανάπτυξης τρόφιµο εργαστηριακό µέσο Ποσότητα και Ποιότητα εδοµένων Προετοιµασία Εµβολίου Μικροοργανισµός Φάση ανάπτυξης Μέγεθος εµβολίου 13 1 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ Μέσο Ανάπτυξης Εργαστηριακό Μέσο Εύκολο στη µεταχείριση υνατότητα χρήσης ταχέων µεθόδων καταµέτρησης ιαφορές από το τρόφιµο Τρόφιµο Πραγµατικές Συνθήκες ανάπτυξης Χρήση µόνο κλασσικής µεθόδου τρυβλίων : Μεγάλο εύρος εφαρµογής Μικρή ακρίβεια Μικρό εύρος εφαρµογής Μεγάλη ακρίβεια 1
Ποσότητα 10-1 σηµεία ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 11 εδοµένα Ποιότητα Οµοιόµορφα κατανεµηµένα την καµπύλη ανάπτυξης 1 9 Log cfu/g 2 11 9 0 0 10 1 20 2 30 TIME (h) 11 9 Log cfu/g Log cfu/g 2 2 0 0 10 1 20 2 30 0 0 10 1 20 2 30 TIME (h) TIME (h) 1 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 1 Ανάλυση δεδοµένων Χρήση Πρωτογενών (Primary) µοντέλων για τον υπολογισµό κινητικών παραµέτρων (φάση προσαρµογής, χρόνος διπλασιασµού ) ανώτερη ασύµπτωτη 11 9 διαφορά Log cfu/g κατώτερη ασύµπτωτη 2 1 log κύκλος=3,32 διπλασιασµοί Χρόνος για 3,32 διπλασιασµούς 0 0 10 1 20 2 30 Χρόνος Προσαρµογής TIME (h) 1
1 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ Πρωτογενή µοντέλα (Primary models) Mοντέλο εκθετικής ανάπτυξης Λογιστικό µοντέλο Μοντέλο Gompertz Mοντέλο Richard Mοντέλο Baranyi 1 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 18 Μοντέλο εκθετικής ανάπτυξης dn = Nxµ exp Nt = N0xexp( µ expxt) lnnt = lnn0 + µ expxt dt 11 9 Log cfu/g 2 0 0 10 1 20 2 30 TIME (h) 18
ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 19 Λογιστικό µοντέλο dn dt = Nx µ max x(1 N N max ) N t = N max N max N min = 1 + exp( µ x( t t max i ) N max 11 9 N max /2 Log cfu/g N min 2 µ max = κλίση x ln10 t i 0 0 10 1 20 2 30 TIME (h) 19 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 20 Mοντέλο Gompertz LogN t =A+C x exp{-exp[-b(t-m)]} 11 LogN t =A+C x exp{-exp[ µ max x e C x (Lag-t)+1]} 9 C Log cfu/g M A 2 0 0 10 1 20 2 30 Lag TIME (h) 20
21 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ Μαθηµατική Περιγραφή Χρήση ευτερογενών (Secondary) µοντέλων για την επίδραση των συνθηκών ανάπτυξης στο ρυθµό που δίνει τη δυνατότητα πρόβλεψηςτηςανάπτυξηςσεσυνθήκεςπουδενέχουνκαταγραφεί Κριτήρια για την επιλογή δευτερογενών µοντέλων η ακρίβεια της προσαρµογής η ικανότητα να προβλέπουν συνδιασµούς παραγόντων που δεν έχουν εξεταστεί η συσσωµάτωση όλων των σχετικών παραγόντων η χρησιµοποίηση όσο το δυνατόν λιγότερων παραµέτρων για ευκολία στη χρήση ο καθορισµός του όρου του σφάλµατος οι παράµετροι να έχουν βιολογικό νόηµα και ρεαλιστικές τιµές η τροποποίηση των παραµέτρων αν αυτή βελτιώνει τις στατιστικές τους ιδιότητες 21 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ 22 ευτερογενή µοντέλα (Secondary models) Εµπειρικά Μοντέλα Πολυονυµικό lna= a 0 + a 1 X+a 2 Y+ a 3 Z+a XY+ a XZ+ a YZ+ a X 2 +a 8 X 2 +a 9 Y 2 +a 10 Z 2 +e A: κινητική παράµετρος X,Y,Z: ανεξάρτητες µεταβλητές a 0, a 1 a i : παράµετροι προς υπολογισµό e: τυχαίο σφάλµα Κινητικά Μοντέλα Μοντέλο Αrrhenius µ max = kxe E A RxT Μοντέλα τύπου Belerhadek E A :Ενέργεια ενεργοποίησης µ max =b x (T-T min ) T min :θερµοκρασία όπου µ max =0 22
23 ΠΡΟΡΡΗTIKH ΜΙΚΡΟΒΙΟΛΟΓΙΑ Αξιολόγηση του µοντέλου Σύγκριση των προβλέψεων του µοντέλου µε πειραµατικές τιµές οι οποίες όµως δεν έχουν συµπεριληφθεί στην ανάπτυξη του µοντέλου 10 predicted 8 Ασφαλής Περιοχή Επικίνδυνη Περιοχή 2 2 8 10 observed 23 Discrepancy and bias 2 Discrepancy 2 : average of the d i 2 squared differences Bias average of the d i differences (with sign!) d i = Ln(pred i )-Ln(obs i ) 0. Ln max.spec.rate 0.3 0.2 0.1 0 d 2 d 1 0 Temp ( C) 10 1 Least squares method of regressing the response: minimise the discrepancy; Αξιολόγηση του µοντέλου 2
Ln µ observed Maximum spec. growth rates observed in laboratory conditions vs. predictions of the model 2-0. -1-1. -2-2. -3-3 -2. -2-1. -1-0. Ln µ predicted Discrepancy 11.2% Bias -0.2% 2 ΛΟΓΙΣΜΙΚΑ ΠΡΟΡΡΗTIKHΣ ΜΙΚΡΟΒΙΟΛΟΓΙΑΣ 2 ΛΟΓΙΣΜΙΚΟ ΓΙΑ ΠΡΟΡΡΗΣΗ ΜΑΘΗΜΑΤΙΚΑ ΜΟΝΤΕΛΑ ΒΑΣΗ Ε ΟΜΕΝΩΝ 2
2 ComBase Internet version: Stand-alone PC-version http:/www.combase.cc 2 Data in ComBase 2,000 records on both growth and survival 28 18,000 records on pathogens;,000 on spoilage organisms 1,000 full log-count curves; 8,000 growth/death rates. Aeromonas hydrophila, sobria, caviae Bacillus cereus (spores and veg) Clostridium botulinum Clostridium perfingens Escherichia coli (also NPEC) Listeria monocytogenes and innocua Staphylococcus aureus Shigella flexneri salmonellae Yersinia enterocolitica Brochothrix thermosphacta Pseudomonads Lactic acid bacteria Enterobacteria Total meat spoilage flora psychrotrophic bacteria 28
ΛΟΓΙΣΜΙΚΑ ΠΡΟΡΡΗTIKHΣ ΜΙΚΡΟΒΙΟΛΟΓΙΑΣ 29 Unified improved predictive models in ComBase-PMP Combined Database and Predictive Microbiology Program Until then: USDA-ARS ERRC Pathogen Modeling Program a http://www.arserrc.gov/mfs/pathogen.htm GrowthPredictor, the successor of Food MicroModel is available at: http://www.ifr.ac.uk/safety/growthpredictor Growth Predictor for food microbiology FSA IFR GrowthPredictor Developed at the Institute of Food Research funded by the Food Standards Agency 29 30 30
31 31 32 32
Εφαρµογές µαθηµατικών εξισώσεων πρόρρησης 33 Αποτελούν ένα χρήσιµοεργαλείογια: Τον προσδιορισµό της διατηρησιµότητας των τροφίµων Την ανάπτυξη συστηµάτων HACCP Παροχή πρώτων εκτιµήσεων για τις αναµενόµενες µεταβολές των µικροβίων Σχεδιασµός παραµέτρων και κρίσιµων σηµείων ελέγχου Το σχεδιασµό νέων προϊόντων Συνδυαστική χρήση τους µε µοντέλα ανάλυσης επικινδυνότητας για µια πιο αποτελεσµατική εφαρµογή ενός συστήµατος HACCP 33 3 Σε τεµαχισµένο, συσκευασµένοσεκενόαέρος, ζαµπόν, ηδιάρκειαζωής(περίπου 1 µήνας στους C) εξαρτάται από την ανάπτυξη των αλλοιογόνων γαλακτικών βακτηρίων. Για να θεωρηθεί οργανοληπτικά µηαποδεκτότοπροϊόν, το φορτίο των βακτηρίων αυτών πρέπει να ξεπεράσει τα Ν= 10 8 κύτταρα /g. Θεωρώντας, αρχικό φορτίο Ν ο = 10 2 κύτταρα /g, εκθετική ανάπτυξη (Ν=Ν ο e kt ) και ότι η εξάρτηση της σταθεράς ρυθµού ανάπτυξης k(h -1 ) από την θερµοκρασία δίδεται από τη σχέση Belehradek, k 1/2 = b (Τ- Τ min ), υπολογίστε την διάρκεια ζωής του ποϊόντος σε ελλατωµατικό ψυγείο (1 C). ίδονται: b=3,32 x 10-2 (h -0. C -1 ) και Τ min =-0, C 3//2009 3
Ορυθµός αλλοίωσης των τροφίµων και συνεπώς και η διατηρησιµότητά τους εξαρτάται εκτός της σύστασης και από τις συνθήκες διανοµής και αποθήκευσης, κυρίως τη θερµοκρασία. Για τα ψυγµένα τρόφιµα µακράς διάρκειας οι δράσεις υποβάθµισης είναι και µικροβιολογικές και φυσικοχηµικές. Mελετήθηκε η διατηρησιµότητα συσκευασµένου φιλέτου µαρινάτης πέστροφας. ύο δράσεις θεωρήθηκαν υπεύθυνες για την µείωση της ποιότητας. α) Η αλλοίωση λόγω ανάπτυξης γαλακτικών βακτηρίων µετρούµενων σε CFU/g β) και ο αυτοξειδωτικός ταγγισµός µετρούµενος ως αριθµός υπεροξειδίων (PV). Μετρήθηκαν µε το χρόνο οι δύο αυτές δράσεις σε διάφορες θερµοκρασίες. Ησταθερά ρυθµού εκθετικής ανάπτυξης των γαλακτικών βακτηρίων στους 2 C µετρήθηκε ως k=0,139 d-1 ενώ η σταθερά ρυθµού αυτοξείδωσης στους 2 C σε k=0,0833 µονάδες PV/ηµέρα. Η επίδραση της θερµοκρασίας εκφράστηκε από την σχέση Arrhenius µε ενέργεια ενεργοποίησης ΕΑ 2 kcal/mol και 10 kcal/mol αντίστοιχα. Η αυτοξείδωση ακολουθεί κινητική 0 τάξης. Να υπολογιστεί η διατηρησιµότητα του τροφίµου στους 2 C και τους 9 C. Θεωρήστε ότι το µέγιστο αποδεκτό φορτίο γαλακτικών είναι 10 CFU/g και το µέγιστο αποδεκτό PV είναι µονάδες. Οι αρχικές τιµές είναι αντίστοιχα 102 CFU/g και 0 µονάδες αντίστοιχα (R=1,981 cal/mol.κ) 3 3//2009 3 Συσκευασία σε τροποποιηµένη ατµόσφαιρα Modified Atmosphere Packaging (MAP) 3 Η συσκευασία σε τροποποιηµένη ατµόσφαιρα µπορεί να βελτιώσει το χρόνο ζωής και να διατηρήσει την ποιότητα των τροφίµων χωρίς τη χρήση προσθέτων και συντηρητικών Αποτελεί µέθοδο ελάχιστης επεξεργασίας (minimal-processing) του τροφίµου, που προκαλεί ελάχιστη µόνο µεταβολή στην ποιότητα, την υφή, τη γεύση και τη θρεπτικότητα, συγκριτικά µε τις συµβατικές µεθόδους συντήρησης (ψύξη, θερµικές κατεργασίες) Ο χρόνος ζωής επεκτείνεται σηµαντικά καθώς ο ρυθµός αλλοίωσης και υποβάθµισης της ποιότητας περιορίζονται Το αποτέλεσµα είναι ελάττωση του συνολικού κόστους, µεγαλύτερες δυνατότητες στη διακίνηση και προϊόντα υψηλής ποιότητας και διατηρησιµότητας 3
Συσκευασία σε τροποποιηµένη ατµόσφαιρα Modified Atmosphere Packaging (MAP) 3 Απαιτείται η συστηµατική γνώση της επίδρασης της συσκευασίας σε τροποποιηµένη ατµόσφαιρα στους δείκτες που καθορίζουν την αλλοίωση του τροφίµου στο οποίο πρόκειται να εφαρµοστεί. Μία ποσοτική προσέγγιση η οποία θα επιτρέπει όχι µόνο τη διαπίστωση της αποτελεσµατικότητας της ΜΑΡ σε συγκεκριµένες συνθήκες αλλά και στην προεκτίµηση της επίδρασης αυτής σε οποιεσδήποτε συνθήκες εντός του µελετούµενου πεδίου τιµών. 3 Εφαρµογή σε νωπό φιλέτο τσιπούρας υδατοκαλλιέργειας (SparusSparus aurata) 38 Η ποιότητα και η υγιεινή των ιχθύων υποβαθµίζεται ταχύτατα εξαιτίας της µικροβιακής ανάπτυξης Περιορισµένος χρόνος ζωής Μεγάλη δυνατότητα εµπορικής αξιοποίησης 38
Φιλέτα τσιπούρας (Sparus aurata) 39 Νωπά φιλέτα τσιπούρας, συσκευασµένα σε αερόβιες συνθήκες και σε τροποποιηµένη ατµόσφαιρα συντηρήθηκαν σε ισοθερµοκρασιακές συνθήκες 0,, 10 και 1 C 0% CO 2 100% συνθήκες αέρα 20% CO 2-80% συνθήκες αέρα 0% CO 2-0% συνθήκες αέρα 80% CO 2-20% συνθήκες αέρα 39 Συσκευασία σε τροποποιηµένη ατµόσφαιρα Μέτρηση σύστασης αερίου συσκευασίας 0 (Boss NT2N, Bad Homburg, Germany) CheckMate 9900 O 2 /CO 2 device 0
Μικροβιολογική ανάλυση Ολική µικροβιακή χλωρίδα Pseudomonas spp. Γαλακτικά βακτήρια Μέτρηση ph Οργανοληπτική εξέταση Βαθµολόγηση βάσει ηδονικής κλίµακας 1-9 Όριο αποδοχής Παράµετροι που ελεγχθήκαν: Εµφάνιση Άρωµα Υφή Γεύση 1 1 Στόχος της µελέτης 2 Κινητική µελέτη της µικροβιακής αλλοίωσης νωπών φιλέτων τσιπούρας για κάθε τύπο συσκευασίας E α 1 1 lnk = lnk + ref R Tref T CO 2max CO2 Eα 1 k = k ref exp CO2max R T Άµεση πρόβλεψη διατηρησιµότητας Εξίσωση Arrhenius ref 1 T Arrhenius-type µοντέλο (Koutsoumanis et al., 2000) Επιλογή βέλτιστου τύπου συσκευασίας 2
Επιβεβαίωση των κινητικών µοντέλων σε µεταβαλλόµενες θερµοκρασιακές συνθήκες 3 - ύο θερµοκρασιακά σενάρια εφαρµόστηκαν: Σενάριο 1: 2 C -> > h C -> > 3h 9 C -> > h 9 T( C) 3 1 0 10 20 30 0 0 T eff =. C Σενάριο 2: C -> > 2h 9 C -> > 2h 12 C -> > 3h 12 10 T( C) 8 0 10 1 20 2 Τα θερµοκρασιακά προφίλ λήφθηκαν µε τη χρήση ηλεκτρονικών καταγραφικών θερµοκρασίας (COX TRACER TM, Belmont, NC) T eff =9. C 3 Μελέτη διατηρησιµότητας νωπών φιλέτων τσιπούρας συσκευασµένων σε αερόβιες συνθήκες και σε τροποποιηµένη ατµόσφαιρα
Μεταβολή αερίων (CO 2 και O 2 ) στη συσκευασία φιλέτων τσιπούρας 20% CO 2-80% συνθήκες αέρα % O2 20 1 10 0 0C C 10C 1C 0 100 200 300 00 00 00 % CO2 0 3 30 2 20 1 0C C 10C 1C 0 100 200 300 00 00 00 Μεταβολή αερίων (CO 2 και O 2 ) στη συσκευασία φιλέτων τσιπούρας 0% CO 2-0% συνθήκες αέρα %O2 12 10 8 2 0 0C C 10C 1C 0 100 200 300 00 00 00 %CO2 0 0 0C C 10C 1C 0 100 200 300 00 00 00
Μεταβολή αερίων (CO 2 και O 2 ) στη συσκευασία φιλέτων τσιπούρας 80% CO 2-20% συνθήκες αέρα % O2 3 2 1 0 % CO2 0C C 10C 1C 0 100 200 300 00 00 00 9 3 0C C 10C 1C 0 100 200 300 00 00 00 8 logcfu/g logcfu/g 3 2 8 3 C 1 1 C 0 0 100 10 200 20 300 (a) C 1 1 C 0 100 200 300 00 00 00 (c) logcfu/g logcfu/g 3 3 C 1 1 C 0 100 200 300 00 00 00 (b) C 1 1 C 0 100 200 300 00 00 00 (d) 8
Μικροβιακή ανάπτυξη σε νωπά φιλέτα τσιπούρας συντηρηµένα σε τροποποιηµένη ατµόσφαιρα 20% CO 2 στους 0,, 10 και 1 C 9 logcfu/g 9 8 C 1 1 C logcfu/g 8 3 C 1 1 C 0 100 200 300 00 00 00 Ολική µικροβιακή χλωρίδα 0 100 200 300 00 00 00 Ψευδοµονάδες logcfu/g 3 C 1 1 C Γαλακτικά βακτήρια 0 100 200 300 00 00 00 9 Μικροβιακή ανάπτυξη σε νωπά φιλέτα τσιπούρας συντηρηµένα σε τροποποιηµένη ατµόσφαιρα 0% CO 2 στους 0,, 10 και 1 C 0 logcfu/g 9 8 C 1 1 C 0 100 200 300 00 00 00 logcfu/g 3 C 1 1 C 0 100 200 300 00 00 00 Ολική µικροβιακή χλωρίδα logcfu/g 8 C 1 1 C Ψευδοµονάδες Γαλακτικά βακτήρια 3 0 100 200 300 00 00 00 0
Μικροβιακή ανάπτυξη σε νωπά φιλέτα τσιπούρας συντηρηµένα σε τροποποιηµένη ατµόσφαιρα 80% CO 2 στους 0,, 10 και 1 C 1 logcfu/g 9 8 C 1 1 C logcfu/g 3 C 1 1 C 0 100 200 300 00 00 00 Ολική µικροβιακή χλωρίδα 0 100 200 300 00 00 00 Ψευδοµονάδες logcfu/g 3 C 1 1 C 0 100 200 300 00 00 00 Γαλακτικά βακτήρια 1 Εκθετικοί ρυθµοί ανάπτυξης k (h - 1 ) και κινητικές παράµετροι ανάπτυξης των γαλακτικών βακτηρίων σε συσκευασίες διαφορετικής %CO 2 2 0% CO 2 20% % CO 2 0% % CO 2 80% % CO 2 Τ k (h - 1 ) k (h - 1 ) k (h - 1 ) k (h - 1 ) 0.009 0.00 0.0032 0.00230 C 0.0220 0.0113 0.0108 0.0080 080 1 0.021 0.0298 0.0192 0.013 1 C 0.0838 0.002 0.02829 0.0208 E α = 9.8 kj/mol E α = 10. kj/mol E α = 90.8 kj/mol E α = 9. kj/mol k ref(ºc) R 2 =0.9 C)=0.0202 h -1 k ref(ºc) R 2 =0.98 C)=0.00909 h -1 k ref(ºc) R 2 =0.9 C)=0.0039039 h -1 k ref(ºc) R 2 =0.91 C)=0.0039039 h -1 2
Παράµετροι µοντέλου τύπου Arrhenius για την ανάπτυξη των γαλακτικών βακτηρίων 3 R 2 k ref (h -1 ) CO 2max (%) E a (kj/mol) 0.933 0.01 98.3 101.0 k = k ref CO 2max CO2 Eα 1 exp CO2max R Tref (Koutsoumanis et al., 2000) 1 T 3 Εκθετικοί ρυθµοί ανάπτυξης k (h - 1 ) και κινητικές παράµετροι ανάπτυξης των γαλακτικών βακτηρίων σε µεταβαλλόµενες θερµοκρασιακές συνθήκες (k πειραµατικό ) και τιµές που προέκυψαν από το µοντέλο (k θεωρητικό ) (k πειραµατικό (k θεωρητικό 20% CO 2 0% % CO 2 80% % CO 2 k θεωρητικό k πειραµατικό % σφάλµα πρόβλεψης 0.01139 0.01202. 0.01112 0.01282 1.3 0.003 0.009 09 19. Σενάριο 1 20% CO 2 0% % CO 2 80% % CO 2 k θεωρητικό k πειραµατικό % σφάλµα πρόβλεψης 0.0209 0.0188 1. 0.018 0.01921 2.1 0.003 0.0018 018 1.8 Σενάριο 2
Εφαρµογή µοντέλου τύπου Arrhenius για τον προσδιορισµό του χρόνου ζωής νωπών φιλέτων τσιπούρας σε διαφορετικές συσκευασίες % περιεκτικότητα CO 2 Θερµοκρασία Τ k = k ref CO 2max CO2 Eα 1 exp CO 2max R Tref 1 T Όριο 10 για τα γαλακτικά βακτήρια Χρόνος ζωής Περιεκτικότητα CO 2 T 20% 30% 0% 0% 0% 0% 80% 1 d 1 d 19 d 23 d 29 d 0 d 1 d C d d 9 d 10 d 13 d 18 d 28 d Εφαρµογή µοντέλου τύπου Arrhenius για τον προσδιορισµό του χρόνου ζωής νωπών φιλέτων τσιπούρας σε διαφορετικές συσκευασίες Χρόνος ζωής (h) 100 1200 1000 800 00 00 φιλέτο τσιπούρας σε αερόβιες συνθήκες φιλέτο τσιπούρας σε ΜΑΡ (20% CO2) φιλέτο τσιπούρας σε ΜΑΡ (30% CO2) φιλέτο τσιπούρας σε ΜΑΡ (0% CO2) φιλέτο τσιπούρας σε ΜΑΡ (0% CO2) φιλέτο τσιπούρας σε ΜΑΡ (0% CO2) φιλέτο τσιπούρας σε ΜΑΡ (0% CO2) φιλέτο τσιπούρας σε ΜΑΡ (80% CO2) 200 0 0 2 8 10 12 1 1 Θερµοκρασία ( C)
Συµπεράσµατα Η συσκευασία σε τροποποιηµένη ατµόσφαιρα µπορεί να βελτιώσει το χρόνο ζωής ψυγµένων προϊόντων ψαριού Τα µοντέλα που προέκυψαν προσδιορίζουν ικανοποιητικά την ποιοτική υποβάθµιση νωπών φιλέτων τσιπούρας σε ΜΑΡ σε θερµοκρασιακές διακυµάνσεις, οι οποίες παρατηρούνται συχνά στην ψυκτική αλυσίδα Είναι δυνατός ο υπολογισµός του χρόνου ζωής νωπών φιλέτων τσιπούρας για γνωστή θερµοκρασία και % CO 2 περιεκτικότητα Συστηµατική µέθοδος που επιτυγχάνει τον προσδιορισµό της βέλτιστης συσκευασίας µε κριτήριο τη µεγιστοποίηση της διατηρησιµότητας Η ίδια κινητική προσέγγιση µπορεί να εφαρµοστεί σε όλο το εύρος των προϊόντων για τα οποία µελετάται η δυνατότητα βελτίωσης µε χρήση ΜΑΡ, τόσο για ευαλλοίοτα όσο και για µεγάλης διάρκειας ζωής τρόφιµα