一测模粮油染预型研中微展菌毒究进和真食品生物素污

一、粮油粮油食品预测微生物学

稻谷、食品生物素污小麦、中微展大豆等大宗粮油食品是菌毒究进我国粮油食品加工的主要种类。而在这些粮油食品生产加工过程中，染预供应链环节链条长，测模各环节污染物种类多、型研来源复杂，粮油致使粮油食品从原料种植到储藏运输等不同阶段均易遭受微生物尤以霉菌及其产生毒素污染。食品生物素污迄今为止在粮油食品中已发现300多种真菌毒素，中微展主要为黄曲霉毒素、菌毒究进脱氧雪腐镰刀菌烯醇、染预赭曲霉毒素、测模展青霉素、型研单端孢霉烯族毒素、粮油玉米赤霉烯酮、伏马毒素等。不同类型粮油食品中的产毒霉菌并非完全相同，即使同一种粮油食品中加工或储藏不同阶段或不同的环境条件下的有害菌也不尽相同。

以小麦供应链主要环节为例，在其种植期间容易遭受赤霉病、叶锈病、纹枯病等真菌病害的侵染，造成小麦减产，并且产生的真菌毒素在小麦中形成积累；其次，在小麦原粮仓储阶段由于粮堆各部分贮藏温度不同，再加上外界条件变化导致湿度变化使得小麦也极易遭受镰刀菌、青霉菌、交联孢菌及其次级代谢产物如脱氧雪腐镰刀菌烯醇(DON)、玉米赤霉烯酮(ZEN)、黄曲霉毒素(AFB1)的污染。同时小麦制粉阶段润麦环节两次润麦处理，导致粮堆水分含量增加，润麦仓仓储环节为微生物的生长繁殖创造良好的条件。同时小麦粉在贮藏阶段卫生状况也会影响小麦粉中的微生物数量；在产品运输环节，环境的差异同样也会导致小麦粉霉菌等腐败菌的数量增加。因此小麦供应链中存在真菌毒素污染物影响产品安全的较大风险，而对于供应链的污染物难以逐一进行分析研究，只能聚焦于关键阶段对其进行控制分析。

预测食品微生物学(Predictive Food Microbiolo-gy)是结合微生物学、数学、统计学和计算机等学科，采用数学的方法描述微生物数量变化和外部环境因素之间的关系，并对微生物的生长动态情况做出预测。因此为了确保食品安全性，科学家们通过引入预测食品微生物学理论对食品中的微生物进行量化和行为预测。通过计算机软件进行病原菌和腐败菌生长及其产生的污染物在特定条件下的概率模型等的拟合，快速判断食品内主要病原菌和腐败菌生长或残存的动态变化以及有害物含量的高低，从而依据标准对特定阶段食品的安全性作出快速评价。

表1为近年来国内外对食品如玉米、水稻、麦芽等食品中的霉菌生长动力学模拟研究情况。

因此，针对粮油食品供应链污染物特点，采用预测微生物学模型的方式对其供应链中关键环节的毒素污染产生菌构建动力学模型以及通过不同条件下产毒概率模型，探究关键环节毒素变化及降解迁移规律，从而实现对粮油产品关键环节品质的安全评估与预测。通过模型的反馈来优化粮油产品贮藏及加工的方法和手段，实现“绿色储粮”和“生态储粮”，为确保粮油食品安全提供重要的理论依据。这也为未来开展粮油食品供应链真菌毒素污染的安全风险评估以及对其供应链中真菌毒素危害物预警追溯等奠定模型基础，满足粮油食品供应链安全与社会可持续性发展的需求。

二、粮油食品中真菌毒素污染情况

国内目前大宗粮油食品真菌毒素污染超标问题严重，对消费者的身体健康带来极大的安全隐患。稻谷、小麦、大豆、花生等大宗粮油食品中均发现真菌毒素不同程度污染的情况。

三、微生物预测模型

微生物预测模型最早应用于食品贮藏阶段细菌生长模型，同时期微生物学预测模型对霉菌并未有同等程度的关注研究，这与霉菌生长的量化复杂性有关。细菌裂变繁殖通常发生在食物表面或者液体基质而霉菌菌丝则可穿透食品的物理三维空间，所以对其定量分析更加复杂。并且产生有用且可靠的模型的先决条件必须是包含大量相关数据的数据库，这对于研究真菌毒素来说无疑是巨大的挑战。

一般来说，微生物模型分为三类。初级模型是用来描述微生物在一定生长条件下其数量随时间的变化关系，如孢子的萌发、菌株生长、菌体的失活等。Zwietering等旧到比较了几种S形函数(109istic，Gomp-ertz，Richards，Schnute和Stannard)来描述细菌生长曲线，通过t检验、F检验发现Gompertz曲线10℃条件下植物乳杆菌数量随时间变化的拟合度最高(见图1)；而二级模型在一级模型的基础上增加了环境因素，如：温度、水分含量、pH等因素，表征环境条件的改变如何影响菌株的萌发和生长。图2为评估水分活度为变量菌株径向生长速率二级模型拟合图；三级模型是一种软件化模型，软件包括了1个或者多个一级模型和二级模型，作为完整的预测工具为用户提供服务。
 

概率模型用于描述某一特定时间段某些事件发生的可能性，例如，特定条件下菌体是否生长、是否产生毒素。通过概率模型可以对某种食品基质在特定时间点的安全性做出快速评价。

声明：本文所用图片、文字来源《中国食品添加剂》，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系

相关链接：真菌毒素，黄曲霉毒素，玉米赤霉烯酮，伏马毒素

(责任编辑：探索)