Estimación de la vida útil microbiológica: uso de herramientas predictivas.

Como ha sido comentado en muchas revisiones, la microbiología predictiva de alimentos se

constituye hoy por hoy en una herramienta valiosa para el sector agroindustrial, ya que permite
obtener resultados en menor tiempo minimizando el uso de materiales de laboratorio, mano de obra,
y reduciendo por tanto costos económicos. Sin embargo, la microbiología tradicional aún sirve de
apoyo a la microbiología predictiva. El modelamiento predictivo que integra el comportamiento
microbiano con otras variables del proceso ha empezado a ganar interés en la industria
agroalimentaria para predecir la vida útil (Banks, 1994). Sin embargo, la determinación de la vida
útil es un tema complejo como es difícil predecir los efectos de las variables de almacenamiento y
las condiciones de abuso que un producto puede experimentar (Williams, 1992).

La gran variedad y número de microorganismos alterantes encontrados en los productos alimenticios

significa que los modelos de predicción de alteración son menos fáciles de desarrollar que los
modelos de microorganismos patógenos y su aplicación es mucho más limitada (Pin y Baranyi,
1998). Al igual que ocurre con el análisis de riesgos y el HACCP, la predicción de la vida útil debe
considerar todas las etapas en la producción de un alimento.
Deben obtenerse datos exactos acerca de las materias primas utilizadas, la formulación de productos,
montaje de productos, técnicas de procesamiento, condiciones de higiene, tipo de empacado
empleado, almacenamiento y procesos de distribución y el manejo final del consumidor. Sólo
cuando todas estas áreas están representadas puede hacerse posible una predicción fiable de la vida
útil (McMeekin y Ross, 1996b; Dalgaard, 1995).

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

1.1 El modelo de Monod-Hinshelwood (descrito por McMeekin y Ross, 2002)

Esta aproximación puede ser usada para el cálculo de la vida útil microbiológica. En palabras de
McMeekin y Ross (2002) “la experiencia ha mostrado que para la mayoría de los casos donde están
implicadas asociaciones de microorganismos alterantes, el tiempo en el cual ocurre o se desarrolla
la alteración de los alimentos está directamente relacionada con el tiempo de generación de aquel
microorganismo que juega el papel predominante en dicha asociación”. Esto es, que si conocemos
la microbiota alterante predominante en los alimentos perecederos y sabemos cómo cambia su
población en el tiempo (si asumimos que la ocurrencia de alteraciones específicas se da después de
la fase de latencia), puede establecerse la vida útil del mismo mediante la siguiente relación
(aproximación de MonodHinshelwood):

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).

Si la anterior aproximación se aplica a diferentes temperaturas, entonces puede evaluarse el efecto

de la temperatura sobre el crecimiento bacteriano, transformando los datos de velocidad de
crecimiento o tiempo de generación en una gráfica de dependencia de la temperatura (como ha sido
usada por Mossel e Ingram, 1955), y obtener una constante que indique como cambia la velocidad
de crecimiento con el cambio de la temperatura. En este caso debería considerarse calcular k a
diferentes intervalos de temperatura constantes (por ejemplo el modelo de Q10 ; el cual muestra como
varía k cada vez que se incrementa o disminuye en 10ºC la temperatura de almacenamiento.

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.

1.2. El modelo de Arrhenius (efecto de la temperatura sobre la velocidad de alteración)

Las aproximaciones modernas de la Microbiología Predictiva de Alimentos han tratado de entender

y establecer un vínculo entre el crecimiento de microorganismos y los factores que regulan el
crecimiento tales como la temperatura, pH, actividad de agua, potencial redox, etc.
La gran mayoría de los modelos secundarios son modelos de tipo cinético (McDonald y Sun, 1999;
Labuza y Fu, 1993), de los cuales el más comúnmente usado ha sido el modelo de Arrhenius.

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.

Cuando el modelo de Arrhenius es empleado para evaluar el efecto de la temperatura sobre el

crecimiento microbiano, entonces k se transforma en la velocidad de crecimiento específico
(Ross y McMeekin, 1994; Giannuzzi et al., 1998), y la ecuación de Arrhenius puede escribirse
como:

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).

Ejercicio d e es timac i ón de l a v i da úti l empleando m o de l o s predictivos y test

acelerados de tiempo.
En el proceso de pasteurización de la leche a 72°C por 15 segundos se busca reducir la carga
total microbiana un 99,99%. El producto está pensado para ser mantenido en condiciones de
refrigeración (4ºC ± 0,5ºC). La variable microbiológica a controlar es el recuento total de

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

ecuación de la recta en cuyo caso la pendiente es igual a la velocidad de crecimiento

específica (ufc ml-1min-1). Otra forma es calculando µ a partir de la siguiente expresión:

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).

Figura 1. Relación entre la velocidad de crecimiento vs temperatura mediante

la cinética de Arrhenius
 De la gráfica podemos inferir que: Ea = – (m*R)

R = 8,314472 J mol-1 K-1

Ea = – (–13679 Ln ufcK/ml*min * 8,314472 J/molK)

Ea = 113733,662 Ln ufc*J/ml*min*mol.

LnA = 41,371 Ln ufc/ml*min

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?

5. Podemos usar una sencilla regla de tres:

1 min 0,0003316 ln ufc/ml

X? 10,5966 ln ufc/ml

X = 31955,97 minutos, aproximadamente 31956 minutos, o el equivalente a 22

días.

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.

Si usamos la aproximación de Monod-Hinshelwood, debemos conocer el tiempo de generación

a la temperatura problema, en este caso a 4ºC.

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.

2. El segundo paso es graficar el Log10Tg para cada temperatura experimental en las

ordenadas y la Temperatura en crecimiento

Figura 2. Relación entre el tiempo de generación (expresado en unidades Log 10)

vs temperatura de crecimiento.

3. A partir de la ecuación de la recta calculamos el Log10Tg a 4ºC.

Si y = –1,27ln(x) + 5,8484, entonces a 4ºC

(x). Log10Tg = –1,27*ln(4) + 5,8484

Log10Tg = –1,27*1,386 + 5,8484

Log10Tg = –1,761 + 5,8484

Log10Tg = 4,0878
 Tg = 104,0878

Tg = 12240,7 min a 4°C

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.

El crecimiento microbiano es un proceso autocatalítico: no habrá crecimiento sin la presencia de

al menos una célula viable, y la tasa de crecimiento aumentará de acuerdo con la cantidad de
biomasa viable presente. La pauta de crecimiento es la misma para bacterias y hongos.

Las bacterias requieren determinadas condiciones para multiplicarse rápidamente, esta

multiplicación rápida es la que causa problemas relacionados con la seguridad del alimento. En
condiciones ideales este crecimiento rápido puede llegar a un tiempo de generación menor que
20 min.

FASES DE CRECIMIENTO MICROBIANO:

El crecimiento de un cultivo microbiano se divide en tres etapas claramente diferenciables:

Fase de latencia: Etapa en la cual un inóculo proveniente de otro medio de Nº de microorganismos

viables cultivo al ser puesto en un medio fresco no crece.

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

Factores ambientales o extrínsecos

•Humedad relativa

•Temperatura

•Atmósfera gaseosa
Factores implícitos

•Velocidad de crecimiento específico

•Sinergismo

•Antagonismo

•Comensalismo

Factores de la elaboración o Tratamiento

•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.

La acidez o la alcalinidad de un medio tienen gran influencia en la estabilidad de macromoléculas

tales como las enzimas, lo que justifica que tanto el crecimiento como el metabolismo de los
microorganismos estén influidos por el 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.

Tabla 1: límites de pH según tipo de microorganismos

POTENCIAL REDOX (EH).

Una reacción de oxidación-reducción (O/R) o de potencial redox (Eh) se produce como

consecuencia de una transferencia de electrones entre átomos o entre moléculas. Desde hace
muchos años se conoce que los microorganismos presentan diferentes grados de sensibilidad al
potencial de oxidación-reducción del medio de cultivo.

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.

Aerobios estrictos:Los microorganismos aerobios estrictos en el hábitat de los alimentos usan el

oxígeno como aceptor final de electrones en la respiración (Bacillus subtilis, B. megaterium,
Acinetobacter, etc.), por consiguiente, tienen necesidad de oxígeno y de elevado Eh, por lo que
predominarán en la superficie de los alimentos expuestos al aire o en aquellas zonas de los mismos
en las que el aire pueda ser utilizado fácilmente; de manera que Pseudomonas, por ejemplo, Ps.
fluorescens que crece a un Eh comprendido entre +100 y +500 mV. Otros bacilos gramnegativos
oxidativos producen mucílagos y olores desagradables en la superficie de la carne, Bacillus
subtilis posee un potencial redox de crecimiento comprendido entre -100 y +135 mV, produce
viscosidad en la textura abierta del pan y las especies de Acetobacter que crecen en la superficie
de las bebidas alcohólicas, oxidan el etanol a ácido acético para producir alteración o vinagre.

Anaerobios estrictos: Los microorganismos anaerobios obligados solo tienden a crecer a

potenciales redox bajos o negativos, no pueden utilizar el oxígeno como aceptor final de
electrones; dentro de ellos los Clostridios tienen gran importancia en microbiología de los
alimentos. Tienen la posibilidad de crecer donde las condiciones sean anaerobias, por ejemplo,
en la profundidad de los tejidos y en los estofados de carne, en los alimentos envasados y enlatados
al vacío causando alteración. Entre los microorganismos anaerobios más importante para la salud
pública se encuentra Clostridium botulinum.

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.

Debido a su profusa distribución, su amplio rango de actividad enzimática y su capacidad para

descomponer los compuestos orgánicos, dichos microor-ganismos pueden competir en una
amplia gama de ambientes y con frecuencia son responsables de la alteración de los alimentos de
bajo Eh; a esto se debe que sean importantes microorganismos alteradores de los alimentos;
aunque algunos como los lactobacilos se pueden utilizar para cambios beneficiosos en la
elaboración de varios alimentos. Algunos microorganismos anaerobios facultativos como las
enterobacterias tienen gran relevancia para la salud pública.

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

A continuación, se definen 3 grupos de microorganismos asociados a diferentes tipos de alimentos

de acuerdo con su actividad acuosa o su presión osmótica:

Halotolerantes: Capaces de crecer en presencia de elevadas concentraciones de sal.

Osmotolerantes: Capaces de crecer en presencia de elevadas concentraciones de compuestos

orgánicos no ionizados como son los azúcares.

Xelotolerantes: Capaces de crecer en alimentos secos.

Estos términos no definen estrictamente grupos exclusivos de microorganismos, pero son útiles
en el contexto de los estudios de determinados alimentos.

Si bien es cierto que algunos microorganismos crecen mejor a Aa reducida, por ello pueden ser
definidos como:

Halófilos: Microorganismos que son capaces de crecer en presencia de elevadas concentraciones

de sal y ata?en principalmente a las bacterias, como las halobacterias que incluyen géneros tales
como Halobacterium y Halococcuspertenecientes a las Archebacterias. Son obligadamente
halófilas, suelen encontrarse en los lagos salados o en las charcas de agua salada y pueden causar
la alteración proteolítica del pescado salado y desecado.

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.

Tabla 4.6. Grupos principales de alimentos en relación con su activad acuosa

El valor limitante de la actividad de agua para el crecimiento de cualquier microorganismo es
aproximadamente de 0,6, de modo que por debajo de este valor la alteración de los alimentos no
es microbiológica.

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.

El almacenamiento de frutas y hortalizas frescas requiere un control muy cuidadoso de la

humedad relativa. Si esta es excesivamente baja, en algunas hortalizas disminuirá el contenido de
agua y se mustiarán. Si es excesivamente elevada, puede haber condensación y es posible que se
inicie su alteración microbiana.

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.

Cada microorganismo exhibe unas temperaturas mínimas, máximas y óptimas de crecimiento.

Estas temperaturas van a ser muy típicas de un determinado microorganismo y van a estar
influidas por el pH, la Aa y la disponibilidad de nutrientes.

Sobre la base de las temperaturas de crecimiento, los microorganismos pueden ser clasificados en
varios grupos fisiológicos (tabla 2).

Tabla 2. Temperaturas cardinales correspondientes al crecimiento microbiano

En microbiología de los alimentos, los organismos mesófilos y psicrótrofos generalmente son de
vital importancia. Los mesófilos con temperatura óptima en torno a 37 °C con frecuencia son de
origen humano o animal, e incluyen algunos de los más importantes patógenos trasmitidos por
los alimentos como, Salmonella, Staphylococcus aureus y Clostridium perfringens.

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

¿Qué es y cómo surge la microbiología 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

Una de las principales ventajas de la aplicación de modelos predictivos es la versatilidad y

flexibilidad que proporcionan, siendo una herramienta de gran utilidad para fabricantes de
alimentos a la hora de:

 Asegurar la calidad y seguridad alimentaria

 Tomar decisiones sobre el diseño y la composición de nuevos productos (nuevas
formulaciones de alimentos)
  Estimar la vida útil de los alimentos, en coherencia con la legislación aplicable y, por lo
tanto, poder predecir y actuar sobre el deterioro de los alimentos. Los modelos predictivos
microbiológicos son la base que se utiliza en los análisis cuantitativos de riesgos.

PASOS PARA LA OBTENCIÓN DE UN MODELO PREDICTIVO DE CRECIMIENTO

1. Elección de microbiota de interés:

En una primera fase se deben de obtener cultivos de los microorganismos o bien sus formas de
resistencia (esporas) objetivo del estudio, seleccionando los serotipos o cepas microbianas de
mayor importancia, aislados autoctonos, etc.
 2. Determinación del rango experimental:
Para la realización del modelo es necesario establecer las condiciones experimentales que definen
el alcance del modelo, o rango de predicción, es decir, definir que parámetros (T; pH, Aw,
Concentración de conservantes; atmosfera;) y en qué magnitud serán estudiados.

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.

4. Elección del modelo primario

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.

5. Obtención de datos experimentales

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.

6. Obtención del modelo secundario

Los parámetros obtenidos a partir de la modelización de datos experimentales en los modelos

primarios, utilizan para obtener un modelo secundario que define el efecto de los parámetros
estudiados sobre la evolución del microorganismo y por tanto su respuesta a las condiciones
estudiadas.

7. Obtención del modelo terciario

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.

El diagnóstico microbiológico está basado en técnicas de laboratorio que requieren un tiempo

asociado al crecimiento de los microorganismos, el cual tiene un impacto desfavorable en la toma
de decisiones, especialmente en la industria. El tiempo requerido para la revitalización de las
células y su recuento a través de las Unidades Formadoras de Colonias (UFC), es de al menos 48
horas. Además, para la identificación de patógenos es común recurrir a pruebas bioquímicas o de
medios selectivos, lo cual conduce a esperar días o incluso semanas para obtener resultados. Por
tal motivo se han desarrollado métodos rápidos para obtener resultados en menor tiempo, entre
los cuales están los propuestos por la Microbiología Predictiva. Puede ser utilizada para modelar
el crecimiento, sobrevivencia o muerte de los microorganismos en función de los principales
factores de conservación de alimentos, especialmente cuando estos factores son utilizados de
manera conjunta en los llamados métodos combinados de conservación. En otras referencias, se
sitúa el inicio del uso de la Microbiología Predictiva en la década de 1930, cuando Scott estableció
que el conocimiento de la velocidad de crecimiento de ciertos microorganismos a diferentes
temperaturas era de vital importancia para los estudios sobre el deterioro de la carne fresca.

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.

Los modelos matemáticos considerados en el ámbito de la microbiología predictiva se pueden

clasificar según distintos criterios, usos y finalidades.
Existen modelos probabilísticos (que permiten estimar los límites de crecimiento / no crecimiento
o producción/no producción de toxina), modelos cinéticos de crecimiento, de supervivencia o de
inactivación (para determinar el número de microorganismos en función del tiempo). Tras ajustar
la curva de crecimiento microbiana mediante funciones matemáticas (modelos primarios) y
estudiar sus parámetros según cambios en las condiciones ambientales (modelos secundarios), es
posible modelizar el comportamiento microbiano en función de la temperatura, el pH, la actividad
del agua y otros factores, independientemente del alimento. Desde un punto de vista práctico, con
el fin de transferir e impulsar el uso de los modelos predictivos por parte de las empresas, es
importante que los modelos primarios y secundarios se integren en forma de paquetes
informáticos interactivos y de fácil uso (a veces llamados modelos terciarios). Actualmente, son
diversas las herramientas predictivas disponibles en la red (libre acceso), entre las que
encontramos:

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:

a) Reconocimiento de que la variabilidad de las respuestas en un tiempo estimado (tiempo

de generación y duración de la fase de latencia) no presenta una distribución normal, pero
comúnmente es descrita por una distribución Gaussiana inversa, en donde la varianza de
la respuesta es directamente proporcional al cuadrado o al cubo del promedio de la
respuesta al tiempo.
b) En el caso de patógenos potencialmente peligrosos (Escherichia coli O 157 :H7), en
situaciones en las que el microorganismo se tiene en una dosis infectante baja, se requiere
de su conociminento para recomendar condiciones que eviten su multiplicación, por lo
que la probabilidad de encontrar este tipo de microorganismos es más importante que el
conocer su velocidad de crecimiento, máxima densidad de población o su tiempo de
generación.
Los modelos predictivos se clasifican en función de su complejidad como primarios,
secundarios y terciarios. A continuación, se presenta una breve descripción de estos tres tipos
de modelos.

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.

Construcción de los modelos predictivos

La construcción de un modelo predictivo implica las siguientes etapas: selección de cepas de

microorganismos, generación de datos, aplicación de un modelo primario,
secundario o terciario y validación del modelo aplicado. Las etapas iniciales de este proceso
son de fundamental importancia para la correcta aplicación del mismo, por lo que se describen a
continuación:
Selección de cepas de microorganismos. Existen varios criterios que se emplean para elegir la
cepa a utilizar para la construcción de un modelo. Puede elegirse una cepa única o una mezcla de
diferentes cepas (cocktail). Las mezclas de cepas están siendo empleadas ampliamente en los
modelos predictivos, debido a que tienen una representación más real de la situación que presenta
un alimento. Antes de elegir una cepa es muy importante poner en claro la intención a la que va
dirigido el modelo, por ejemplo: ¿El modelo se va a utilizar para predecir el posible crecimiento
de una especie de patógeno en particular, o es un modelo de una flora de microorganismos
deteriorativos de un alimento específico? El utilizar una cepa que ya haya sido estudiada en otros
experimentos científicos o incluso con el propósito de crear otros modelos, proporciona la ventaja
de tener conocimientos sobre esa cepa en particular. Por otro lado, la elección de una cepa aislada
a partir de un alimento para el cual se quiere generar el modelo, da la ventaja del conocimiento
del producto.

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.

Método de recuento de células viables.

El método más utilizado para monitorizar el crecimiento de una población bacteriana es el
recuento de células viables. Sin embargo, como se ha discutido anteriormente, el análisis
microbiológico convencional presenta varias limitaciones,entre las cuales el tiempo requerido
para la revitalización, enriquecimiento e incubación de las muestras es probablemente la más
importante. Además, para la identificación de un microorganismo se requieren medios selectivos
y pruebas bioquímicas, lo que puede demorar el resultado por días o incluso semanas. Debido a
estas limitaciones, ha sido necesario recurrir al desarrollo de métodos rápidos que permitan
disponer de los resultados en horas. Para la estimación exacta de los parámetros de una curva de
crecimiento son importantes el número y la calidad de los recuentos hechos por expertos
técnicos. Para facilitar el recuento del crecimiento microbiano se están desarrollando y
estandarizando métodos alternativos como citometria de flujo, turbidimetria, impedanciometria,
microscopía, entre otros. Al comparar con los recuentos viables, la turbidimetria y la
impedanciometria son considerados métodos automáticos, los cuales permiten analizar un
elevado número de experimentos, mientras que la citometria de flujo y la microscopía permiten
obtener información adicional, como puede ser el estado fisiológico de las células (Rasch,2004).

Método de cytometry de flujo.

La citometria de flujo permite la medición de diversas características físicas y químicas de células
individuales en suspensión, proporcionando así una indicación de la heterogeneidad de una
población de células eucariotas y procariotas en cuestión de minutos (Davey y Kell, 1996;
Alvarez- Barrientos et al., 2000; Novo et al., 2000). Las células individuales confinadas dentro de
un chorro de agua pasan rápidamente por una ventana de medición, en la cual varios parámetros
de millones de células por segundo pueden ser medidos simultáneamente con alta precisión
(Vives- Rego et al., 2000). La dispersión de la luz refleja el tamaño y la estructura celular,
mientras que las mediciones de fluorescencia permiten determinar el contenido celular de
cualquier constituyente que pueda ser marcado con un tinte fluorescente (Walber et al., 1997).
De esta manera, la citometria de flujo combina la ventaja de ser una técnica de células
individuales, con el poder de medir millares de células en corto tiempo. Los datos resultantes no
sólo son un promedio de mediciones de células, sino también son una distribución de los
parámetros medidos en las células. Con la citometria de flujo, la posibilidad de medición de una
distribución de datos da una estimación de la heterogeneidad de la población microbiana y, de
ese modo, también la posibilidad de detectar subpoblaciones que, por ejemplo, son resistentes a
un tratamiento bajo ciertas condiciones de investigación.
El uso de la citometría de flujo en Microbiología Predictiva está limitado por los costos de los
equipos; sin embargo, existen reportes de su uso. Tal es el caso de las investigaciones de Sorensen
y Jacobsen (1997), quienes usaron citometría de flujo para enumerar las células viables de
Debaryomyces hansenii en diferentes condiciones ambientales. Los datos de crecimiento fueron
empleados para modelar el tiempo de latencia (A) y la máxima velocidad de crecimiento
(µmax), en función de la temperatura, pH y concentración de NaCl.

Método de turbidimetría. La turbidimetria es un método empleado para estudiar el

crecmnento bacteriano a través de mediciones de densidad óptica, lo que permite tener una
secuencia del crecimiento microbiano en tiempo real. La densidad óptica o absorbancia se ha
utilizado desde hace varios años para medir la concentración, y es expresada en masa, número o
longitud media celular de suspensiones bacterianas. El fundamento de la técnica es que las
partículas pequeñas difractan la luz, dentro de ciertos límites, de forma proporcional a su
concentración. Las mediciones se hacen con un fotómetro o espectrofotómetro. De acuerdo con
McMeekin et al. (1997), en la turbidimetria, el crecimiento microbiano está relacionado con la
turbidez del medio. Estos autores resaltaron las limitaciones del método, siendo la más importante
que un recuento viable sólo puede hacerse si el equipo está calibrado para relacionar la
absorbancia con un número de microorganismos dado (Me Meekin et al.,1997). Sin embargo, es
posible identificar los parámetros de crecimiento cuando el tamaño del inóculo está por debajo del
umbral de detección. Para este caso es necesario conocer los recuentos celulares iniciales y
la ecuación de calibración (Bréand et al., 1997).
Método TTD (tiempos de detección). Este método consiste en medir, después de un tratamiento
térmico establecido, la probabilidad de no crecimiento de una población de microorganismos en
suspensión en condiciones de cultivo determinadas. Se trata de un análisis que permite evaluar el
número más probable de supervivientes (método indirecto). Este método depende de
la temperatura y el tiempo de tratamiento para lograr un efecto fisiológico (Rasch, 2004).

Método de microscopía. La microscopía permite estudios directos de células

individuales, lo que hace posible dar un seguimiento a la misma célula durante largos periodos de
tiempo. La microscopía ha ido ganado interés con el desarrollo de programas computacionales
como el de interferometría óptica y el análisis de imagen. Una de las ventajas de este método es
que permite estudiar sistemas sólidos cuya situación es muy parecida a la que presentan los
sistemas alimentarios (Rasch, 2004). Hay pocos reportes bibliográficos del uso de la microscopía
en el modelado predictivo.
Sin embargo, existen comparaciones con el método TTD (tiempos de detección) para la
determinación de la fase de latencia de células de Listeria monocytogenes (Martínez et
al., 2005). Se ha observado que la microscopía tiene ventajas sobre la TTD, ya que es un método
directo que permite la observación visual de la primera división celular, mientras que la TTD
depende del tiempo para la detección, la tasa de crecimiento y la extrapolación regresiva a la
célula individual. Además, cualquier tratamiento que resulte en ausencia de la división celular
no será detectable a través del método TTD (Wu et al., 2000).
Validación de los modelos
La validación de los modelos predictivos puede hacerse de dos formas:

a) Validación matemática que verifica la precisión de los modelos generados.

b) Validación en el alimento (sistema real), en la cual lo que se requiere es demostrar que el
modelo predice con exactitud el comportamiento de los microorganismos durante el
procesado, almacenamiento y distribución (Geeraerd et al., 2004).

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).

Importancia de los modelos predictivos

Es interesante conocer cómo se emplean permanentemente los modelos predictivos en la

investigación científica, industria e inclusive en la vida cotidiana. A continuación, se mencionan
algunas de las aplicaciones más importantes de los modelos predictivos:

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

• Seafood Spoilage Predictor (SSP)

http://ww.dfu.min.dk/micro/ssp