+55 51 98682-6511
susana@susanaelias.com.br

Microbiologia Preditiva

Microbiologia Preditiva

A microbiologia preditiva é uma área da microbiologia de alimentos, a qual utiliza modelos matemáticos alimentados por dados de experimentos microbiológicos simples, para prever o comportamento dos micro-organismos nos alimentos. Ainda que os primeiros modelos preditivos tenham sido empregados no início do século 20, o grande desenvolvimento da microbiologia preditiva ocorreu nas últimas três décadas, como resultado dos avanços na área da informática. Existem diferentes tipos de modelos preditivos, os quais permitem predizer a multiplicação, a inativação e a sobrevivência dos micro-organismos em alimentos expostos a diferentes condições ambientais de tempo e de temperatura. Tais modelos também podem considerar fatores como o estado fisiológico das células microbianas, a interação com outros micro-organismos, além de fatores intrínsecos do próprio alimento, como pH, atividade de água e presença de conservadores.

Introdução

Hoje em dia, os modelos preditivos tornaram-se uma ferramenta necessária para apoiar muitas decisões relativas à segurança e à qualidade dos alimentos, uma vez que eles podem fornecer respostas rápidas para perguntas específicas. Além disso, esses modelos estão sendo utilizados em sistemas de gestão da segurança de alimentos, como as BPF e APPCC, e em medidas de controle da segurança dos alimentos baseadas em risco. Eles também têm sido bastante utilizados para o desenvolvimento da avaliação quantitativa de risco, uma vez que podem modelar diferentes processos microbianos ao longo da cadeia alimentar e, assim, ajudar nos processos de tomada de decisão no âmbito da gestão de risco. A microbiologia preditiva ainda está em desenvolvimento, mas está se transformando em um importante instrumento para a melhoria da segurança e da qualidade dos alimentos.

Aspectos Gerais

A microbiologia preditiva tem como objetivo predizer o comportamento microbiano em alimentos, a partir de modelos matemáticos adequados. Um modelo matemático é a descrição de um sistema real, utilizando equações matemáticas, que são simplificações do sistema com base em suas propriedades mais significativas.

Os modelos podem ser classificados de acordo com o tipo de estrutura e de variáveis. Os modelos primários estudam a variação da concentração microbiana em relação ao tempo (curvas de multiplicação e de inativação microbiana). Já os modelos secundários relacionam os parâmetros cinéticos derivados dos modelos primários (taxa de multiplicação, tempo de fase lag e população final máxima) a fatores ambientais (temperatura, pH, atividade de água). Finalmente, os modelos terciários são software, que utilizam os modelos primários e secundários, a fim de fornecer estimativas do comportamento microbiano sob condições específicas definidas pelos usuários 

Em todos os casos, os modelos devem ser validados para que a confiabilidade de suas previsões seja comparada com os dados reais em alimentos. Com esse fim, diferentes estratégias têm sido utilizadas, tais como o cálculo de índices que avaliam o ajuste dos dados preditos pelos modelos matemáticos aos observados nos experimentos microbiológicos (coeficiente de determinação ou R2, Raiz do Erro Quadrático Médio ou RMSE), e os que determinam a capacidade de predição dos modelos (fatores de viés e de acurácia) 

Aplicações

Algumas das potenciais aplicações da microbiologia preditiva estão resumidas a seguir:

No APPCC

  • auxílio na identificação dos perigos;
  • identificação de Pontos Críticos de Controle (PCC);
  • identificação de medidas corretivas;
  • avaliação da interação das variáveis.

Avaliação de Risco e Gestão do Risco

  • estimativa da dinâmica das populações microbianas ao longo da cadeia alimentar;
  • avaliação da exposição a um patógeno específico;
  • estudo de estratégias de gestão com base científica para garantir a segurança dos alimentos;

Estudos de vida útil ou de prateleira;

  • previsão da multiplicação ou inativação de micro-organismos deteriorantes ou patogênicos nos alimentos.

Inovação e Desenvolvimento de um novo produto

  • avaliação do impacto da deterioração microbiana de um produto;
  • avaliação prévia do efeito do processamento na qualidade e na segurança do alimento;
  • avaliação do efeito de outros fatores, ao longo da cadeia de alimentos;

Medidas de Higiene e Controle da Temperatura

  • avaliação das consequências da aplicação da cadeia de frio na deterioração microbiana;
  • otimização dos processos de inativação térmica e não-térmica;

Educação

  • educação de equipes científicas e não-científicas;
  • implementação e treinamento de sistemas de decisão baseados em computador.

Desenho Experimental

  • estimativa do número de amostras a ser preparado;
  • definição de intervalos dentro de cada fator a ser analisado.

Tipos de modelos

Como já mencionado os modelos preditivos são divididos em primários, secundários e terciários, essa classificação depende principalmente do tipo de predição gerada pelo modelo. A seguir mais detalhes sobre cada um dos modelos serão discutidos:

Modelos primários

Destinam-se a descrever a cinética de um processo com poucos parâmetros. Eles são utilizados para investigar o aumento (multiplicação) ou diminuição (inativação) na densidade da população microbiana em relação ao tempo.

Modelos de multiplicação

A curva de multiplicação dos micro-organismos é caracterizada pelas seguintes fases: lag (adaptação), log (exponencial), estacionária e declínio. A fase lag é o período onde os micro-organismos estão se adaptando ao novo meio e não apresentam multiplicação microbiana; na fase log ocorre a multiplicação exponencial dos micro-organismos, aumentando expressivamente o número de células em um período reduzido; na fase estacionária há um equilíbrio entre o número de células que se multiplicam e as que morrem; enquanto durante o declínio o número de células que morrem é muito maior do que as que se multiplicam, ocorrendo a diminuição da população, devido ao esgotamento de nutrientes e de espaço. O modelo proposto por Baranyi e Roberts (1994) é um dos modelos primários de multiplicação mais amplamente utilizados, no mundo. Esse modelo adaptou melhor os dados experimentais do que outros modelos existentes, como o Gompertz, principalmente na previsão da fase lag e da fase log. Além disso, sua grande utilização, se deve em parte, por estar disponível em softwares como, por exemplo, o Combase, que é gratuito e de fácil utilização.

Modelos de inativação

Descrevem os padrões de inativação dos micro-organismos quando expostos a um processo ou agente letal, os quais podem ser físicos ou químicos. Os principais modelos são o linear e o não-linear. O modelo linear foi proposto por Bigelow & Esty (1920), assumindo uma curva cinética de primeira ordem. Como exemplos de modelos não-lineares pode-se citar: bifásico, multi-exponencial, Weibull e Geeraerd. Alguns desses, além da cinética linear, apresentam um patamar inicial (“shoulder”), no qual pouca ou nenhuma inativação ocorre, e também uma cauda final (“tail”), que representa as células resistentes ao tratamento (residuais ou sobreviventes). Como um exemplo de modelo de inativação mais complexo, destaca-se o modelo desenvolvido por Geeraerd et al. (2000), que inclui o patamar inicial e a cauda, baseando-se no estado fisiológico das células e na densidade populacional residual (região da cauda). Muitos desses modelos estão disponíveis no software GinaFit, que funciona dentro do Excel, sendo disponível para download de forma gratuita.

Modelos secundários

Descrevem o efeito das condições ambientais (físico-químicas e fatores biológicos) sobre os valores dos parâmetros de um modelo primário, principalmente a taxa de multiplicação e o tempo de fase lag. Existem três tipos principais de modelos: polinomiais (superfície de resposta), raiz quadrada e Arrhenius. O modelo da raiz quadrada (Ratkowsky et al., 1982), que é baseado na relação linear entre a raiz quadrada da taxa de multiplicação e a temperatura, é um dos mais utilizados por incluir o conceito de zero biológico, o qual é a temperatura quando a taxa de multiplicação é zero.

Modelos terciários

Geralmente são programas de computador, que apresentam uma interface amigável, permitindo entradas escolhidas pelo usuário e que calculam saídas gráficas simplificadas. Existem diversos modelos terciários disponíveis com distintas funções dentre os quais se destacam o PMP e o ComBase.

PMP (Pathogen Modeling Program

O mais antigo dos programas é o PMP que foi desenvolvido pelo Departamento de Agricultura dos EUA (USDA), em 1994, sendo atualizado continuamente ao longo dos anos. Ele pode ser conseguido no endereço https://pmp.errc.ars.usda.gov/default.aspx ou utilizado na versão on-line (https://pmp.errc.ars.usda.gov/PMPOnline.aspx), ambos gratuitos. O PMP destina-se principalmente à predição de bactérias patogênicas, incluindo modelos de resfriamento, multiplicação, inativação e transferência (contaminação cruzada). Os usuários podem introduzir valores de temperatura, pH, concentração de sais de sódio, nível inicial das bactérias e se o ambiente é aeróbio ou anaeróbio; enquanto que o programa calcula os parâmetros cinéticos (fase lag, taxa de multiplicação, tempo de geração, densidade populacional máxima, valor D), juntamente com uma representação gráfica do comportamento microbiano.

ComBase 

O ComBase foi desenvolvido, em 2003, pelo Institute of Food Research (Norwich, Reino Unido). Ele pode ser acessado gratuitamente, registrando-se no site www.combase.cc. Esse aplicativo possui as seguintes funções:

Browser: ferramenta de busca de modelos preditivos dinâmicos e estáticos já existentes;

ComBase Predictor: permite a previsão da multiplicação e da inativação de diferentes bactérias deteriorantes e patogênicas. Os modelos estáticos e dinâmicos baseiam-se em dados cinéticos gerados em meios de cultura, sendo possível introduzir valores de nível inicial das bactérias, temperatura, pH e atividade de água ou concentração de cloreto de sódio; enquanto que o programa calcula os parâmetros cinéticos (taxa máxima, valor D), juntamente com uma representação gráfica do comportamento microbiano.

Food Models: permite a previsão do comportamento de Clostridium perfringens em carnes e de Salmonella em ovos.

DMFit: nessa ferramenta o usuário pode colocar seus dados experimentais de tempo e de concentração dos micro-organismos e ajustar esses dados aos modelos disponíveis no software.

Resources: indicam outras ferramentas disponíveis de microbiologia preditiva.

Help: auxilia o usuário na compreensão das ferramentas disponíveis no ComBase.

Tendências e Perspectivas

Além dos modelos cinéticos previamente discutidos, novas abordagens estão sendo desenvolvidas como, por exemplo, os modelos de transferência (contaminação cruzada), de multiplicação/não multiplicação (condições limite), de interação entre espécies e de célula-única (inicia o modelo com apenas uma célula do micro-organismo). Já os modelos de escala “ômica” são construídos a partir de dados experimentais obtidos em pesquisa genômica, proteômica e metabolômica. Embora esses modelos sejam promissores em relação à capacidade de predição, eles ainda são poucos e limitados a micro-organismos e situações específicas. Pesquisas adicionais são necessárias, para complementar as informações disponíveis, produzindo modelos mais adequados para serem aplicados a situações reais relativas à segurança e qualidade dos alimentos. Também as redes neurais, ferramentas da inteligência artificial, estão sendo aplicadas a diversos tipos de modelos preditivos. Essas redes são inspiradas no funcionamento dos neurônios, no cérebro humano, sendo os modelos constituídos por três tipos de neurônios computacionais: entrada, oculto e saída.

Além disso, a avaliação quantitativa do risco microbiano (QMRA) é uma área relativamente recente, que requer modelos de microbiologia preditiva (para estimar o efeito quantitativo das etapas determinadas ao longo da cadeia alimentar). Apesar dos avanços acima mencionados, ainda há várias questões metodológicas a serem respondidas sobre como os modelos podem ser aplicados para obter uma estimativa de risco mais precisa. Portanto, o desenvolvimento de novos e inovadores modelos preditivos é necessário para melhorar os estudos de QMRA e preencher as lacunas de dados existentes. A meta-análise é uma das estratégias propostas focada em uma análise sistemática de uma grande coleção de dados com a intenção de gerar informações padronizadas e resumidas para produzir uma estimativa global de uma intervenção ou um tratamento específico.

Referências

  • Tondo, E.C., et al. Microbiologia e sistemas de gestão da segurança de alimentos. 2a ed. Porto Alegre: Sulina, 2019. 4070 p.
  • McMeekin, T.A., Olley, J., Ratkowsky, D.A., Ross, T. (2002) Predictive microbiology: towards the interface and beyond. International Journal of Food Microbiology 73 395– 407.
  • Whiting, R.C., Buchanan, R.L., (1993) A classification of models for predictive microbiology. Food Microbiology 10, 175–177.
  • Ross, T., (1996) Indices for performance evaluation of predictive models in food microbiology Journal of Applied Bacteriology, 81, 501-508.
  • Forsythe SJ. (2013) Microbiologia da Segurança dos Alimentos. Artmed.
  • Membré JM, Lambert R (2008) Application of predictive modelling techniques in industry: from food design up to risk assessment. Int J Food Microbiol 128:10–15. doi:10.1016/j.ijfoodmicro.2008.07.006.
  • Zwietering M.H., Jongenburger I., Rombouts F.M. and van ’t Riet K. (1990) Modeling of the bacterial growth curve. Applied and Environmental Microbiology 56, 1875–1881.
  • Baranyi J. and Roberts T.A. (1994) Review paper: A dynamic approach to predicting bacterial growth in food. International Journal of Food Microbiology 23, 277–294
  • Bigelow W.D. and Esty J.R. (1920) The thermal death point in relation to typical thermophylic organisms. Journal of Infectious Diseases 27, 602–617.
  • Geeraerd A.H., Herremans C.H. and Van Impe J.F. (2000) Structural model requirements to describe microbial inactivation during a mild heat treatment. International Journal of Food Microbiology 59, 185–209.
  • Ratkowsky, D. A., Olley, J., Mcmeekin, T. A., Ball, A. 1982. Relationship between temperature and growth rate of bacterial cultures. J Bacteriol, 149:1-5.
  • Pérez-Rodríguez, F., González-García, P., Valero, A., Hernández, M., Rodríguez-Lázaro, D. 2014. Impact of the prevalence of different pathogens on the performance of sampling plans in lettuce products. International Journal of Food Microbiology. 184, 69–73.
  • Oscar, T. P. (2011). Plenary lecture: Innovative modeling approaches applicable to risk assessments. Food Microbiology, 28, 777-781
  • Oscar T.P. (2009) General regression neural network and Monte Carlo simulation model for survival and growth of salmonella on raw chicken skin as a function of serotype, temperature, and time for use in risk assessment. Journal of Food Protection 72, 2078–2087.
  • Van Besten HMW, Zwietering MH (2012) Meta-analysis for quantitative microbiological risk assessments and benchmarking data. Trends Food Sci Technol 25:34–39. doi:10.1016/j.tifs.2011.12.004.

 

Nenhum comentário

Adicione seu comentário