Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
El realizar un estudio de vida útil puede implicar una amplia utilización tanto de recursos
tecnológicos como financieros. Sin embargo, el desarrollo de modelos de predicción podría en un
plazo prudencial reducir el uso de estos recursos y mejorar el tiempo de utilización (Neumeyer y
col., 1997a). Los estudios se han llevado a cabo sobre una gran variedad de alimentos para
determinar la vida útil (por ejemplo en productos cárnicos: Devlieghere et al., 1999; Kant-Muermans
et al., 1997; Neumeyer et al., 1997a, b; Vankerschaver et al., 1996). Sin embargo, estos estudios no
han utilizado un modelo capaz de incorporar todas las variables que puedan tener un impacto sobre
el crecimiento microbiano. Los principales factores que influyen en la estabilidad microbiana en los
alimentos son la temperatura, pH y actividad de agua. La temperatura en particular puede variar
significativamente a través de la producción y distribución (Geeraerd et al., 1998).
La mayoría de los estudios han utilizado modelos dependientes de la temperatura, tales como el
modelo de la raíz cuadrada (Ratwkosky et al., 1983) o el modelo de Arrhenius, y si bien es cierto
que con la mayoría de los alimentos la temperatura es el principal factor que afecta la vida útil, no
es la única variable (Einarsson, 1994; Gill y Jones, 1992a; Gill et al., 1988; Einarsson y Ericksson,
1986). La mayoría de los modelos dinámicos propuestos (Baranyi et al., 1993a, 1996b; Van Impe et
al., 1995, 1992) es necesario el empleo de más de una variable fluctuante para predecir con precisión
la vida útil de los productos alimenticios. Los métodos prácticos utilizados en la elaboración de
modelos predictivos de vida útil necesitan avanzar más (McDonald y Sun, 1999). Los métodos
estándares de análisis microbiológicos aunque son eficaces aún son lentos. Las investigaciones
futuras deberían tener en cuenta el corto período de vida de gran parte de alimentos refrigerados y
el hecho de que los resultados son necesarios rápidamente (Gibbs y Williams, 1990). El uso de
técnicas microbiológicas más rápidas que las actuales será necesario en el futuro.
Vamos a explicar dos métodos clásicos para la determinación de la vida útil de alimentos, un primer
modelo desarrollado por Monod-Hinshelwood para la estimación de la caducidad microbiológica y
en segundo lugar, el modelo de Arrhenius empleado fundamentalmente en la estimación de la
caducidad físico-química, aunque puede emplearse en la estimación microbiológica como veremos
en el ejercicio descrito en el numeral 6.
De todas formas, cabe recordar que los modelos de predicción microbiológica son en muchos casos
generales y variados y por tanto pueden extrapolarse para la estimación microbiológica de la vida
útil de diversos alimentos. de los modelos secundarios son modelos de tipo cinético
Donde ts es el tiempo necesario para que se desarrolle la alteración bajo las mismas condiciones
extrínsecas e intrínsecas medidas; Ns (ufc/g o cm2) es el valor correspondiente a la población de
seguridad (valor máximo permisible antes de considerarse alterado el producto); N0(ufc/g o cm2) es
el valor correspondiente a la población inicial presente en el producto; Tg es el tiempo de generación
de la población alterante específica. Así una vez Ns y Tg han sido determinados para esas
condiciones de almacenamiento, es muy fácil determinar el tiempo de vida útil reemplazando en la
fórmula anterior, y por tanto, puede establecerse el mantenimiento de la calidad de estos productos
bajo estas condiciones. Por lo tanto, todo lo que se requiere para estimar la vida útil de ese alimento
es conocer la población inicial (N0).
Un modelo similar había sido establecido por Svante August Arrhenius (Sueco, 1859-1927) en 1889,
cuando descubrió que la velocidad de las reacciones químicas aumenta con la temperatura, en una
relación proporcional a la concentración de moléculas existentes.
Los modelos cinéticos para la determinación de la vida útil en alimentos son generalmente basados
en la ocurrencia de fenómenos y estos no han sido desarrollados para un alimento en particular. Sin
embargo, los parámetros experimentales y ambientales de un modelo pueden aplicarse para un
producto en especial. De estos, la temperatura es normalmente considerada como el factor más
importante en las reacciones de deterioro de los alimentos, especialmente, para la alteración
microbiana donde la velocidad de crecimiento específico y la fase de latencia son altamente
dependientes de la temperatura (Giannuzzi et al., 1998). La ecuación de Arrhenius fue derivada
empíricamente basada en consideraciones termodinámicas (Labuza y Riboh, 1982), y describe la
velocidad con que una reacción cambia cuando se emplean diferentes temperaturas conocidas (Ross
y McMeekin, 1994). La forma más simple de esta ecuación es:
Donde, k es la velocidad de reacción; A {(ufc/ml, g o cm2)/tiempo} es un factor pre-exponencial –
parámetro a ser determinado (intercepto de “y” en una gráfica de Lnk vs 1/T) –, R es la constante de
los gases (8.314 J mol-1 K-1 ), T es la temperatura absoluta (K), y Ea es denominada como la energía
de activación de la reacción límite de velocidad-crecimiento (Ross y McMeekin, 1994). Si en la
ecuación anterior los valores de k son calculados a diferentes temperaturas y si el lnk es graficado
contra 1/T, puede obtenerse una línea recta en la cual la pendiente (m) es igual –E a/R (Dominic,
2004; McDonald y Sun, 1999; Labuza et al., 1992; Labuza y Riboh, 1982). Así el modelo de
Arrhenius puede catalogarse en la clasificación de Whiting y Buchanan (1993) como un modelo
secundario.
Sin embargo, el crecimiento bacteriano es complejo y las extrapolaciones de las gráficas pueden no
mostrar linealidad, por lo tanto, la ecuación anterior no puede encajar muy bien por debajo de los
datos óptimos o por encima de las temperaturas de crecimiento. Entonces, las gráficas obtenidas solo
sirven para predecir el crecimiento microbiano en un limitado rango de temperatura (McDonald y
Sun, 1999; Labuza y Fu, 1993). Así la ecuación que ha sido utilizada mayoritariamente para describir
el efecto de la temperatura sobre el crecimiento microbiano es el modelo de la raíz cuadrara
propuesto por Ratkowsky et al., en 1982 (Giannuzzi et al., 1998; Neumeyer et al., 1997; Willocx et
al., 1993; Adair et al., 1989).
viables, cuyo límite máximo de crecimiento permitido es 4x10 4 ufc/ml. Si la carga inicial es
de 10x106 bacterias por ml, al final del proceso se detecta que la población final remanente es
de 1000 ufc/ml.
Determine la vida útil a 4ºC empleando los datos del test acelerado de tiempo durante 12 horas
mostrados a continuación:
Para el cálculo de la vida útil pueden emplearse varios modelos predictivos, pero vamos a
comenzar con la aproximación de Arrhenius.
1. El primer paso una vez obtenida la población en unidades logarítmicas (ln ufc ml -1)
es calcular la velocidad de crecimiento específica (µ) para cada temperatura. Esta puede
obtenerse de diversas maneras, una es graficando en las ordenadas el ln ufc ml-1 en fase
exponencial y en las abscisas el tiempo (min), y a partir de esta gráfica obtener
la
También puede emplearse el uso de software específicos como el DMFit, MicroFit, etc.
2. Con los resultados de µ para cada temperatura procedemos a calcular las constantes del
modelo de Arrhenius: energía de activación (Ea) y el Factor pre-exponencial A. Para este
caso graficaremos en las ordenadas el lnµ a cada temperatura y en las abscisas el inverso
de cada temperatura absoluta (1/T). Recordemos que cuando se grafica de esta forma, la
pendiente de la recta (m) que se obtiene es igual a: –Ea/R (y que por tanto Ea = –m*R,
que en todos los casos será positiva); y el intercepto en el eje “y” cuando X=0 es el factor
pre-exponencial en logaritmo (LnA).
Ea = 113733,662 Ln ufc*J/ml*min*mol.
3. Una vez obtenidos los parámetros procedemos a calcular µ a 4ºC (277ºK) reemplazando
en la ecuación de Arrhenius.
Por tanto, la velocidad de crecimiento específico a 4ºC es de 0,0003316 Ln ufc/ml*min.
4. Procedemos a estimar entonces la vida útil a 4ºC. Si nuestro valor límite es 4,0x104 ufc/ml
(10,5966 Ln ufc/ml). Si tenemos que por cada minuto se incrementa 0,0003316 Ln
ufc/mln {recordemos que µ se obtiene del Ln ufc/ml vs tiempo (min)}, en cuanto tiempo
se alcanzarán las 10,5966 Ln ufc/ml que es nuestro valor límite?
X? 10,5966 ln ufc/ml
Con el empleo de la cinética de Arrhenius, obtendríamos un producto con una vida útil
media de 20 a 22 días si se conserva a temperatura de 4°C.
1. El primer paso y para este caso, debemos calcular k para cada temperatura, aunque
tenemos varias opciones, emplearemos en este caso la fórmula:
Donde Tg equivale al tiempo de generación.
Log10Tg = 4,0878
Tg = 104,0878
4. Con los datos anteriores de T g a 4ºC, procedemos a establecer la vida útil mediante
la ecuación:
Con el empleo del modelo de Monod-Hinshelwood, obtendríamos un producto con una vida
útil media de 45 días si se conserva a temperatura de 4°C.
Conclusión.
Si la vida útil estimada para este producto a 4ºC es de 22 días con el modelo de Arrhenius,
como margen de seguridad puede establecerse una vida útil de 18 a 20 días a 4ºC. Sin
embargo, con la aproximación de Monod-Hinshelwood la vida útil se ve prolongada a 45 días.
En este caso como margen de seguridad podríamos establecer una vida útil de 40 días.
Tal y como explica Labuza y Fu (1993) o McDonald y Sun (1999), cuando se emplea el modelo
de Arrhenius para el crecimiento bacteriano, las extrapolaciones de las gráficas pueden no
mostrar linealidad, y por lo tanto, el modelo anterior no puede encajar muy bien por debajo
o por encima de las temperaturas evaluadas para el crecimiento, lo anterior puede evidenciarse
al comparar las Figuras 1 y 2, donde se observa que la relación tanto de la velocidad de
crecimiento como del tiempo de generación frente a la temperatura no es lineal, sino de tipo
exponencial o logarítmico, es decir, se asemeja más al proceso de crecimiento bacteriano, que
por regla general es fisión binaria, la cual es de tipo exponencial. Claro que debemos recordar
que no todas las bacterias siguen este proceso de crecimiento tal y como ocurre con
Streptomyces spp. (Formación de hifas y esporulación); Mixobacterias (Formación de cuerpos
fructíferos y esporulación); Hyphomicrobium spp. (Gemación); Nocardia spp. y Micoplasmas
(Formación de filamentos y septación).
CRECIMIENTO MICROBIANO
Se entiende por el aumento del número de microorganismos a lo largo del tiempo. Por tanto,
no nos referimos al crecimiento de un único microorganismo que denominaremos ciclo celular,
sino al demográfico de una población.
Fase exponencial: Etapa en la que las células están dividiéndose, por lo que crecen de manera
exponencial. La velocidad varía de una especie a otra y depende de parámetros ambientales
como la temperatura.
Fase estacionaria: Etapa en la que los nutrientes se agotan y el crecimiento exponencial cesa.
Hay actividad metabólica de síntesis y energía.
Fase de muerte: Las células ya no crecen ni realizan actividades metabólicas. Hay lisis celular.
Los factores que influyen en el crecimiento microbiano en los alimentos y por tanto las
asociaciones que se desarrollan, también determinan la naturaleza de la alteración y cualquier
riesgo para la salud que se planteen. La fase logarítmica de crecimiento puede verse afectada si
se acorta su longitud, controlando los factores de crecimiento.
Hace más de 40 años Mossel e Ingram dividieron estos factores que influyen en el desarrollo de
las asociaciones microbianas en los alimentos:
Factores intrínsecos
•Nutrientes
•pH
•Potencial redox
•Actividad de agua
•Constituyentes antimicrobianos
•Estructuras antimicrobianas
•Humedad relativa
•Temperatura
•Atmósfera gaseosa
Factores implícitos
•Sinergismo
•Antagonismo
•Comensalismo
•Cortado en rodajas
•Lavado
•envasado
•Irradiación
•Pasterización
•Otros
FACTORES INTRINSECOS
CONTENIDO DE NUTRIENTES
Del mismo modo que los seres humanos, los microorganismos son capaces de utilizar los
alimentos como fuente de nutrientes y de energía. Los microorganismos en los alimentos, para
multiplicarse y desarrollar su fisiologismo normal, necesitan los elementos siguientes:
Agua.
Fuente de energía.
Fuente de nitrógeno y vitaminas.
Factores de crecimiento afines, como sales minerales.
pH.
En general, las bacterias crecen con mayor rapidez a pH comprendido entre 6,0 y 8,0 (tabla 4.1),
las levaduras entre 4,5 y 6,0, así como los hongos filamentosos entre 3,5 y 4,0; aunque hay
bacterias capaces de crecer a pH bajos como consecuencia de su metabolismo productor de
energía, por ejemplo, los lactobacilos y las bacterias acéticas cuyo crecimiento óptimo
generalmente tiene lugar a un pH comprendido entre 5,0 y 6,0. Si a un alimento se le cambia el
pH, ya sea por encima o por debajo del neutro, los microorganismos crecerán con mayor lentitud.
En general, el potencial redox de un sustrato se puede definir como aquel en el que el sustrato
pierde o gana electrones con mayor facilidad. Cuando un elemento o compuesto pierde electrones,
se dice que el sustrato ha sido oxidado, mientras que un sustrato que gana electrones se ha
reducido.
En relación con los microorganismos, el potencial redox indica las relaciones de oxígeno entre
ellos, y es utilizado para especificar el ambiente en que un microorganismo es capaz de generar
energía y sintetizar nuevas células. Los microorganismos aerobios necesitan para crecer valores
redox positivos, mientras que los anaerobios frecuentemente requieren valores negativos. Los
microorganismos de acuerdo con su potencial de oxidación-reducción se dividen en los grupos
siguientes: aerobios estrictos, anaerobios estrictos, anaerobios facultativos y microaerófilos.
Anaerobios facultativos: Los anaerobios facultativos como los que forman las familias
Vibrionaceae, Enterobacteriaceae y Corynebacteriaceae pueden utilizar el oxígeno como aceptor
final de electrones, pero en su ausencia también pueden utilizar una diversidad de aceptores de
electrones (NO3-, SO42-). Estos organismos pueden crecer en la superficie y en el interior de los
alimentos, algunos poseen actividad proteolítica o lipolítica. Con frecuencia sus productos de
desechos son ácidos orgánicos.
Microaerófilos: Estos microorganismos necesitan una cantidad muy reducida de oxígeno para su
crecimiento, lo cual se debe tener en cuenta a la hora de cultivarlo en el laboratorio, uno de los
microorganismos importantes desde el punto de vista de enfermedad para el humano a través de
los alimentos es Campylobacter spp.
ACTIVIDAD DE AGUA.
La vida tal y como nosotros la conocemos depende totalmente de la presencia de agua en estado
líquido, por tanto, los microorganismos necesitan de agua libre o disponible para su crecimiento.
Los solutos como sal y azúcar, así como los mecanismos de deshidratación disminuyen el agua
disponible y reducen el rango de crecimiento microbiano.
La actividad acuosa de un alimento o solución (Aa) se define como el cociente entre la presión
parcial del agua existente en la atmósfera en equilibrio con el sustrato (alimento) (P) y la presión
parcial de la atmósfera en equilibrio con el agua pura a la misma temperatura:
Aa = P/Po.
Tabla 1. Niveles mínimos de activad acuosa que permiten el crecimiento de los microorganismos
que se citan a temperaturas próximas a la óptima
Si bien es cierto que algunos microorganismos crecen mejor a Aa reducida, por ello pueden ser
definidos como:
Xerófilos: Microorganismos que crecen más rápidamente bajos condiciones de relativa sequedad
y están representados por mohos y levaduras.
Osmófilos: Microorganismos que crecen en hábitat con altas presiones osmóticas, este término se
aplica habitualmente a las levaduras tolerantes al azúcar.
FACTORES EXTRINSECOS
HUMEDAD RELATIVA.
La humedad relativa y la actividad acuosa están relacionadas entre sí, de modo que la humedad
relativa es esencialmente una medida de la actividad de agua en la fase gaseosa. Cuando se
almacena un alimento que tiene actividad acuosa baja en una atmósfera de humedad relativa
elevada, el agua pasará desde la fase gaseosa al alimento. Es posible que transcurra mucho tiempo
para que la masa del alimento aumente su actividad de agua, pero puede haber una condensación
en las superficies que origine zonas localizadas de elevada actividad de agua, en estas zonas en
que los propágulos han permanecido viables, pero que no han sido capaces de crecer, pueden
ahora germinar y crecer.
TEMPERATURA.
Los microorganismos crecen dentro de una amplia escala de temperaturas. A presión atmosférica
puede haber crecimiento microbiano dentro de un intervalo de temperatura comprendido
aproximadamente desde -8 hasta 100 °C. La exigencia más importante es que el agua se encuentre
en estado líquido y por tanto disponible para mantener el crecimiento. Ningún organismo ha sido
capaz de crecer en todas las temperaturas de este intervalo; las bacterias normalmente se limitan
a crecer en una escala de temperaturas en torno a los 35 °C, mientras que los mohos lo hacen con
temperaturas algo inferiores a los 30°C.
Sobre la base de las temperaturas de crecimiento, los microorganismos pueden ser clasificados en
varios grupos fisiológicos (tabla 2).
Por regla general a su temperatura óptima crecen más rápido que los psicrótrofos y por ello, la
alteración de los productos perecederos o almacenados en el intervalo de temperaturas
correspondientes al crecimiento de los mesófilos es más rápida que su alteración en condiciones
de refrigeración.
MICROBIOLOGIA PREDICTIVA
La microbiología predictiva dio sus primeros pasos a principios de los años 90 y desde entonces
ha ido evolucionando para evaluar cuantitativamente cuál es el comportamiento (crecimiento,
supervivencia o inactivación) de microorganismos en los alimentos en los diferentes momentos
del proceso, envasado y distribución, lo que ayuda a optimizar dichos procesos, desarrollar
tratamientos de inactivación, nuevas formulaciones de productos y condiciones de conservación
y envasado más seguras. Hoy día es una disciplina científica establecida y reconocida.
Para generar un modelo predictivo es necesario obtener un conjunto de datos experimentales que
serán utilizados para obtener un modelo matemático que relaciona los parámetros respuesta del
microorganismo, como por ejemplo, la velocidad de crecimiento, con los factores encontrados en
los alimentos (pH, Aw, Temperatura, etc).
La microbiología predictiva describe las distintas respuestas microbianas de los alimentos a los
diferentes ambientes. El control microbiológico de los alimentos y de los factores que influyen en
su deterioro en cualquier punto de la cadena alimentaria cuenta con la microbiología predictiva.
Esta disciplina, conocida en algunos sectores también con el nombre de ecología microbiana de
los alimentos, describe las distintas respuestas microbianas de los alimentos a distintos ambientes
a partir de modelos matemáticos y otros métodos numéricos y estadísticos. Los factores que
influyen en la contaminación de alimentos son varios. Por un lado, interviene la temperatura, el
pH o la actividad de agua. La mayoría de patógenos no crecen por debajo de ciertas temperaturas
y su modo de actuar es distinto también en función del nivel de pH del alimento (ácidos o
alcalinos) y de su estructura (mayor o menor concentración de agua). Con la microbiología
predictiva se establece un sistema de control microbiológico que puede utilizarse en cualquier
punto de la cadena de producción, desde la granja a la mesa. Uno de los principales objetivos de
este sistema es predecir qué puede suceder durante el almacenamiento o el procesado de
alimentos.
Debe tenerse en cuenta que determinar la causa de contaminación bacteriana en una etapa
particular es una tarea compleja ya que antes deben conocerse los motivos que hace que una
bacteria crezca en unas determinadas condiciones y no en otras. La Microbiología Predictiva
surge como área emergente de la Microbiología de alimentos, como alternativa frente a la
necesidad de acortar tiempos de respuestas, reducir costos económicos, reemplazar metodologías
dispendiosas y disminuir la laboriosidad en los análisis de la Microbiología clásica
Figura. Teoría de los salto de obstáculos
3. Diseño experimental
Una vez definidos los parámetros, es necesario definir las combinaciones de factores que serán
experimentalmente estudiadas y que proporcionarán robustez estadística para la obtención de los
modelos.
El modelo primario define el comportamiento del microorganismo en las condiciones a los que
está sometido y permite extraer parámetros de crecimiento, inactivación, producción de toxina,
alteración… del microorganismo que se utilizan para definir el modelo.
En esta etapa se generarán datos primarios que proporcionan la base de los modelos. Es necesario
obtener datos de cada una de las condiciones a estudiar y que proporcionen una respuesta definida
por parte del microorganismo ante ellas.
Por último, se obtienen modelos terciarios que sirven de interface entre los parámetros que definen
el modelo y parámetros respuesta del microorganismo, como puede ser el tiempo necesario para
llegar a una determinada concentración en el alimento; producción de toxina; rango que permite
asegurar estabilidad etc.
La industria alimentaria está creando continuamente nuevos “hábitats” para los microorganismos
mediante el diseño y reformulación de alimentos, atendiendo a la demanda de productos más
frescos, naturales y sin conservantes artificiales. La obtención de estos nuevos productos supone
en muchos casos un reto para las empresas que deben satisfacer a consumidores cada vez más
exigentes en cuanto a la calidad sensorial y funcionalidad de los alimentos, pero a su vez
asegurando que el producto en su conjunto posee las suficientes condiciones barrera frente al
desarrollo de microorganismos patógenos y alterantes. Conocer cómo afectan los cambios en la
composición de los alimentos, en la seguridad de los mismos y en su estabilidad durante el
almacenamiento es básico. Los modelos predictivos son una manera rápida y eficaz de evaluar el
potencial de crecimiento de microorganismos. Los modelos predictivos en el campo de la
microbiología en ordenadores permiten estimar la tasa de crecimiento microbiano y cómo se
producirá el desarrollo de un microorganismo particular bajo condiciones específicas. Algunas de
las herramientas desarrolladas son un software para predecir el deterioro e inocuidad de productos
del mar (SSSP), un sistema capaz de predecir la vida útil y el crecimiento bacteriano de Listeria
monocytogenes en estos productos, así como métodos para realizar una evaluación cuantitativa
del riesgo (ECR), destinado a la evaluación de riesgos asociados con la contaminación microbiana
de los alimentos.
Gracias a funciones y técnicas de cálculo ofrecidas por las matemáticas y la estadística, esta rama
científica permite simular las condiciones del alimento examinado, cuantificando el
comportamiento de los microorganismos en un producto a lo largo del tiempo a través de
parámetros de crecimiento, supervivencia o inhibición. Asimismo, permite estudiar los procesos
bioquímicos relacionados con la producción de metabolitos (toxinas, compuestos volátiles, etc.)
ante situaciones de combinación de factores de conservación y en distintos niveles de aplicación.
La preferencia de los consumidores hacia productos cada vez más “frescos” y más “naturales” (o
menos procesados), ha propiciado que en los últimos años la industria agroalimentaria haya ido
cobrando un interés creciente por esta área de investigación.
Un aspecto fundamental en la microbiología predictiva, antes de poder utilizar los modelos como
herramientas predictivas para la toma de decisiones, es su validación en términos de exactitud
(error global) y sesgo (grado de subestimación o sobreestimación de las predicciones). Para ello
se deben comparar las predicciones generadas por el modelo con observaciones reales análogas y
dentro del dominio experimental ensayado (por ejemplo, utilizando los resultados de ensayos de
inoculación o challenge), determinando de esa manera el comportamiento del modelo en
condiciones reales. A menudo, los modelos de inactivación y crecimiento de los microorganismos
son generados a partir de experimentos llevados a cabo “in vitro” (es decir, en caldos de cultivo)
y sus estimaciones suelen sobreestimar la inactivación y el crecimiento microbiano. El amplio
margen de error de seguridad puede no ser aceptable en términos de producción industrial,
exigiendo la validación de los modelos predictivos antes de tomar cualquier decisión de
producción. Además, la información obtenida a partir de los modelos matemáticos requiere la
interpretación por parte de microbiólogos expertos y conocedores de los principios de la ecología
microbiana.
Las perspectivas de futuro para esta disciplina sugieren que las técnicas empleadas seguirán
despertando el interés tanto de la comunidad científica como de los operadores económicos y
gestores del riesgo, con el objetivo de trabajar conjuntamente para incrementar la seguridad y
calidad de los alimentos. Durante los años 1980 y parte de los 1990, diversos enfoques de modelos
cinéticos de crecimiento dominaron la escena de la Microbiología Predictiva, pero en la actualidad
es evidente el regreso de los modelos de probabilidad de crecimiento, lo cual se puede atribuir a
lo siguiente:
Modelos primarios: Los modelos primarios se ocupan de la descripción de los cambios del
número microbiano (crecimiento, multiplicación, inactivación), en función del tiempo. Para la
cuantificación de los microorganismos se pueden incluir Unidades Formadoras de Colonias
(UFC), biomasa, medidas de absorbancia, o niveles de los metabolitos producidos. Muchos
de los modelos primarios que se han desarrollado hasta ahora, son modelos que determinan la
cantidad de población microbiana. En estos modelos, el desarrollo de un número total de
células de una población es descrito por un sencillo conjunto de parámetros: máximo valor
de crecimiento (A), velocidad de crecimiento (µm) y tiempo de latencia (A). La bibliografía
sugiere que la suma del comportamiento de células de manera individual es igual al de la
población, y esto es lo que lleva al desarrollo de enfoques más mecanísticos para la Microbiología
Predictiva. Lo anterior conduce a las técnicas de modelación probabilística, en las que los
parámetros del modelo están casualmente distribuidos dentro de la población total. Esto significa
que los parámetros del modelo son parte de una distribución aleatoria, lo cual puede representar
la variabilidad biológica entre las células individuales. Los modelos de probabilidad se toman
más útiles cuando el tamaño del inóculo es pequeño y el tiempo de latencia individual es altamente
variable dentro de esta pequeña población. Como ejemplos de modelos primarios se encuentran
la ecuación de Gompertz, ecuación Baranyi y Roberts y el Modelo lineal en tres fases.
Modelos secundarios. Los modelos predictivos secundarios caracterizan los parámetros que
aparecen en los modelos primarios, en función de las condiciones del medio, como la temperatura,
pH, aw, etc., observándose la interacción entre dos o más factores sobre el crecimiento
microbiano. Antiguamente, los modelos secundarios para el tiempo lag sólo se referían al efecto
que presentaba la temperatura de incubación; sin embargo, en la actualidad han surgido
modelos que incluyen otros factores relevantes como las condiciones de pre- enriquecimiento.
Otros autores han desarrollado modelos secundarios independientemente del tiempo de
generación y el tiempo de latencia, como por ejemplo enfoques polinomiales (Gibson et al., 1988;
Buchanan y Philips, 1990; Zaika et al., 1998) y enfoques de redes neuronales artificiales de
baja complejidad (Zwietering et al., 1994; Geeraerd et al., 1998; García- Gimeno et
al., 2002). Entre otros ejemplos de los modelos secundarios están la ecuación de Arrhenius, los
modelos de raíz cuadrada y el modelo de superficies respuesta (Buchanan y Klawitter, 1991).
Modelos terciarios:
Los modelos terciarios tienen varias formas, empezando por combinar los dos primeros
niveles de modelos (primario y secundario), basados en experimentos de laboratorio. Un
ejemplo representativo de este tipo de modelos es el "Pathogen Modeling Program", creado y
puesto a disposición de la comunidad científica gratuitamente por la USDA; dicho modelo
permite importar una serie de datos de temperatura para predecir la vida útil. Otro ejemplo
es el "Seafood Spoilage Predictor” (Dalgaard et al., 2002), el cual incluye a
microorganismos deteriorativos específicos para alimentos del mar. Finalmente, los
modelos terciarios permiten incluso incorporar modelos predictivos en una red de
evaluación de riesgos microbiológicos, como por ejemplo el SERA ("Salmonella enteritidis
Risk Assesment") del USDA. Los modelos terciarios son informáticos.
La hipótesis de que la variación entre cepas podría ser igual o menor que la variación
estadística experimental, fue evaluada por Whiting y Golden (2002). Ellos estudiaron el
crecimiento, supervivencia, inactivación y producción de toxinas de 17 cepas diferentes de E.coli,
y observaron que las variaciones entre cepas fueron mayores que las incertidumbres relacionadas
con el error experimental. Salter et al. (1998) compararon el crecimiento de E.coli M 23 no
patógena con el crecimiento de varias especies de E.coli patógena, y sólo encontraron
pequeñas diferencias en las respuestas de crecimiento entre las diferentes cepas. El modelo
generado resulta de gran utilidad, ya que muchos investigadores no tienen acceso a instalaciones
de laboratorio adecuadas para trabajar con cepas patógenas de E.coli, y el modelo que predice
el comportamiento de E.coli M23 es capaz de describir el de cepas patógenas de E.coli,
incluyendo E.coli 0157H:7.
Es importante validar un modelo para evaluar la habilidad predictiva del mismo (Geeraerd et
al., 2004). La precisión de los modelos se evalúa gráficamente cuando se enfrentan los valores
obtenidos en el laboratorio contra las correspondientes predicciones del
modelo. Además, los valores del coeficiente de correlación (R2), el error cuadrado
promedio y los factores de sesgo y de exactitud, se emplean como indicadores de la confianza de
los modelos cuando se aplican en alimentos (Giffel y Zwietering, 1999).
Sin embargo, es importante mencionar que aun cuando un modelo haya resultado adecuado para
predecir los datos experimentales, la aplicación de modelos predictivos en alimentos todavía es
cuestionable (Zhao et al., 2002).
Los modelos predictivos ayudan a tomar decisiones inmediatas en el reproceso de alimentos, por
ejemplo, en eventos fuera de proceso tales como la falta de sal en el producto o una inadecuada
refrigeración del alimento. Los modelos predictivos ayudan a predecir el grado crecimiento
y/o sobrevivencia de algunos de los microorganismos de interés (patógenos o deteriorativos), bajo
condiciones normales de almacenamiento, detectando de esta manera alguna falla en el proceso
de almacenamiento. También ayudan a estimar las fechas de caducidad en términos de
descomposición microbiana (Peleg, 2006).
Los modelos predictivos permiten identificar los puntos críticos de control en un proceso en el
que se ha implantado un programa de Análisis de Riesgo y Control de Puntos Críticos (ARCPC).
Los modelos predictivos son herramientas educativas, especialmente para personas no preparadas
en el área de Microbiología de Alimentos, porque a través de ellos se demuestra la importancia
de mantener condiciones de almacenamiento apropiadas 01an Impe et al., 2005). El Modelo
Matemático, es un análogo de una realidad física, por lo general más simple e idealizada, es decir,
es una abstracción de la realidad.
Esto es, que a través de una serie de ecuaciones o modelos matemáticos se puede representar el
entorno real, y predecir cómo se comportaran cada uno de los agentes que interactúan en ese
entorno cuando cambia uno o varios factores que ejercen influencia sobre el objeto. Entonces, el
objeto formal del modelo matemático es entender ampliamente el fenómeno y tal vez predecir su
comportamiento en el futuro. La microbiología predictiva es la integración de los conocimientos
tradicionales de microbiología con las que se encuentran en las disciplinas de matemáticas,
estadística y sistemas de información y tecnologías para describir el comportamiento microbiano
con el fin de evitar la descomposición de los alimentos, así como las enfermedades transmitidas
por los alimentos , además , son una manera muy rápida, eficiente y rentable de la evaluación
potencial para el crecimiento de microorganismos en condiciones específicas sin necesidad de
estudios prácticos.
Modelos Basados en Individuos: Consideran cada microbio como individuo,una única y discreta
entidad con más de una características de los cambios a través de su vida.
Modelos Cinéticos: Consideran las tasas de respuesta (crecimiento o muerte), como tiempo de
demora,tasa de crecimiento específico y la población máxima densidad o la inactivación.
Modelos Empíricos: Es una relación lineal, es la raíz cuadrada de la tasa de crecimiento promedio
de un cultivo axénicos y la temperatura de cultivo, para una variedad de organismos creciendo en
sus respectivos rangos de temperatura subóptimas
La clasificación de los modelos, aun muestran una falta de claridad, ya que ningún plan tiene el
pleno apoyo de la comunidad científica, sin embargo podemos elegir por adelantado la
combinación más adecuada de condiciones de stress para llegar a la formulación de un producto
estable y así evitar la descomposición de mi alimento.
Direcciones web
http://gsdl.bvs.sld.cu/cgi-bin/library?e=d-00000-00---off-0nutricin--00-0----0-10-0---0---
0direct-10---4-------0-1l--11-fr-50---20-help---00-0-1-00-0-0-11-1-0gbk-
00&a=d&cl=CL1&d=HASH
https://es.slideshare.net/guested7523/crecimiento-microbiano
https://es.slideshare.net/miranda_col/factores-que-influyen-en-el-crecimiento-microbiano-en-
alimentos?next_slideshow=1
• FMM:
• ComBase: http://www.ifr.ac.uk/ComBase/
• PMP 6.1:
http://www.arserrc.gov/mfs/pathogen.htm
http://ww.dfu.min.dk/micro/ssp