背景介绍：研究人员通过结合基于个体的建模（IBM）和食品微环境描述，预测单核增生李斯特菌在涂抹软奶酪表面的生长行为。李斯特菌是一种重要的食源性病原菌，能够在低温下繁殖，对食品安全构成严重威胁。传统的风险评估方法主要基于宏观尺度的物理化学特性（如pH和水活度），但忽略了微观尺度的变异性。本研究提出了一种新的建模方法，以更准确地评估李斯特菌在异质食品中的生长行为。研究使用了法国斯特拉斯堡地区的涂抹软奶酪（Munster），通过三批奶酪的实验设计，测量了奶酪表面pH和水活度（aw）的时空变异性。


实验结果显示，奶酪成熟过程中表面pH值从约5.0升高到超过7.0，且存在显著的空间变异性，例如半径方向和凹陷/隆起部位的pH差异。微观尺度的aw值范围为0.96到0.98，成熟过程中保持稳定，但存在奶酪表面之间的变异性。为了更准确地描述李斯特菌的生长行为，研究开发了基于个体的建模（IBM）方法，考虑了单个细胞的生长概率、滞后期和生长速率，并结合了微观尺度的物理化学特性。实验中，通过人工污染实验验证了模型的预测能力。结果显示，IBM方法能够更好地描述低接种量和不利生长条件下的李斯特菌生长行为，尤其是在奶酪表面污染细胞数低时。与传统的种群/宏观方法相比，IBM方法能够更准确地预测无生长的情况，并且在高污染情况下不会高估风险。此外，研究还模拟了奶酪成熟过程中李斯特菌的生长，发现IBM方法预测的双峰分布能够反映出一些奶酪表面无生长，而另一些奶酪表面则提供了有利的生长条件。


微观方法下的污染变异性比宏观方法更大，且污染范围约比宏观方法大1个log10单位。结合IBM和微观尺度的物理化学特性描述，能够更准确地预测李斯特菌在涂抹软奶酪表面的生长行为，尤其是在低接种量和不利生长条件下。与传统的种群/宏观方法相比，IBM方法能够更好地描述实际细菌行为的变异性，并预测高风险情况。这一研究为食品安全管理和风险评估提供了新的工具和思路，并为未来在其他食品中的应用奠定了基础。


UnisensePH微电极系统的应用

unisense微电极用于测量涂抹软奶酪表面微观尺度的pH值。传统方法通常测量宏观尺度的pH值，这种测试方法无法捕捉到微观尺度上的空间变异性。unisense PH 微电极能够检测到奶酪表面不同位置（如凹陷和隆起部位）的pH差异，揭示了微观尺度的pH值相较于宏观尺度的高度变异性。研究发现奶酪表面的pH值在半径方向上存在显著差异，且凸起部位的pH值高于凹陷部位。这种微观尺度的测量对理解李斯特菌在奶酪表面的生长环境提供了更精确的信息。微电极的使用使得研究人员详细了解奶酪表面的空间异质性。通过在奶酪表面不同位置（如中心、半径中间和边缘）进行多次测量，研究发现奶酪表面的pH值和水活度（aw）存在显著的空间差异。而空间异质性对于理解李斯特菌的生长行为至关重要，因为细菌的生长不仅取决于宏观环境，还受到微观环境的影响。


实验结果


使用了法国斯特拉斯堡地区的涂抹软奶酪（Munster），通过三批奶酪的实验设计，测量了奶酪表面pH和水活度（aw）的时空变异性。实验结果显示奶酪成熟过程中表面pH值从约5.0升高到超过7.0，且存在显著的空间变异性，例如半径方向和凹陷/隆起部位的pH差异。结合IBM和微观尺度的物理化学特性描述，能够更准确地预测李斯特菌在涂抹软奶酪表面的生长行为，尤其是在低接种量和不利生长条件下。与传统的种群/宏观方法相比，IBM方法能够更好地描述实际细菌行为的变异性，并预测高风险情况。

图1、人工奶酪样品中，NaCl或水与奶酪混合后的渗透压与水活性的关系。点表示观察值的平均值，误差条表示渗透压的10次重复实验和水活性的4次重复实验的两个标准差。

图2、13.5°C下奶酪成熟过程中，奶酪表面微观pH值的变化，A表示0.7厘米半径的奶酪表面凸起处，B表示4.3厘米半径的奶酪表面凹陷处。交叉点为观察值（每个日期n=5），虚线表示建模的变异性区域的2.5%和97.5%分位数。

图3、在8天（A）和14天（B）成熟时，在不同半径位置（●表示凹陷处，y表示凸起处）观察到的奶酪表面微观pH值。点和误差条表示15次重复实验的平均值和标准差。

图4、13.5°C下奶酪成熟过程中，奶酪表面微观水活性的变化。三批奶酪的值通过不同符号表示，点和误差条表示在同一奶酪表面上获得的15或30次观察的平均值和标准差。奶酪的清洗在第9或第10天和第13或第14天进行。

图5、观察到的奶酪表面微观水活性（aw）变异性，按表面和位置划分。连接的点表示一个奶酪表面的累计分布函数（cdf），描述表面内位置的变异性（s location）。连接点分布的离散性说明了奶酪间或表面间的变异性（s surface）。实线为一个表面的水活性中位数cdf，虚线显示了建模的表面间变异性区域的2.5%和97.5%分位数。


结论与展望


一种基于个体的建模（IBM）方法被开发用来描述几株李斯特菌（Listeria monocytogenes）在涂抹软奶酪表面的行为。IBM方法评估了细胞在奶酪表面上的随机个体行为，并考虑了它们周围微环境的特性。研究人员使用了unisense微电极测量pH值和微渗透压来评估奶酪微样本的水活度。这些测量揭示了微观尺度的pH值相较于宏观尺度pH值的高度变异性。微电极技术(unisense)在本研究中发挥了关键作用，通过提供微观尺度的pH和aw测量数据，揭示了奶酪表面的空间异质性，支持了基于个体的建模方法，并验证了模型的准确性。这种技术的应用不仅提高了对李斯特菌生长行为的理解，还为食品安全评估提供了更精确的工具，有助于更有效地管理食品安全风险。研究人员开发了一个模型，描述了在成熟过程中pH值从约5.0升高到超过7.0的变化。还建立了描述奶酪表面空间变异性的模型，其中包括半径方向上pH值的增高以及奶酪外皮隆起部位的pH值高于凹陷部位的现象。微观尺度的水活度范围约为0.96到0.98，并在成熟过程中保持稳定。与奶酪之间的变异性相比，奶酪表面上的空间变异性较小。将描述奶酪特性微观尺度变异性的模型与IBM方法结合，用于模拟李斯特菌在奶酪表面的随机生长，并将这些模拟结果与不同成熟阶段人工污染的辐照奶酪的细菌计数进行比较。使用IBM/微环境方法模拟的李斯特菌计数变异性与观察结果一致。通过这些模型，可以推导出不同的情境，如没有生长或高度污染的食品。IBM方法比传统的种群/宏观环境方法更有效地描述了实际细菌行为的变异性。本研究的结论表明，结合IBM和微观尺度的物理化学特性描述，能够更准确地预测李斯特菌在涂抹软奶酪表面的生长行为，尤其是在低接种量和不利生长条件下。与传统的种群/宏观方法相比，IBM方法能够更好地描述实际细菌行为的变异性，并预测高风险情况。这一研究为食品安全管理和风险评估提供了新的工具和思路，并为未来在其他食品中的应用奠定了基础。