microbiologia predictiva, Apuntes de Microbiología

¡Descarga microbiologia predictiva y más Apuntes en PDF de Microbiología solo en Docsity!

MICROBIOLOGÍA AGROINDUSTRIAL EXPRESIONES MATEMATICAS DE CRECIMIENTO MICROBIANO Mg. DIANETH BULEJE CAMPOS

Programa de modelado de patógenos (Pathogen Modeling Program) (PMP ) Contiene numerosos modelos de crecimiento e inactivación de diferentes patógenos. Com Base (Base de comunicaciones) Una base de datos internacional donde se recogen y actualizan constantemente datos sobre crecimiento microbiano en diferentes condiciones. Es una base de datos europea iniciada en 2003 que recoge información sobre las respuestas microbianas más probables ante diversas condiciones ambientales. Uno de los principales objetivos por los que fue creada esta herramienta ha sido facilitar las evaluaciones de riesgo y desarrollo de modelos que permitan calcular el comportamiento de microorganismos, cuando reaccionan a condiciones ambientales. Los criterios que incluye esta base de datos son el tipo de organismo, el alimento, el pH, la

temperatura, la actividad de agua y otras condiciones alimenticias específicas.

Deterioro de mariscos y predictor seguro (Seafood Spoilage and Safe Predictor) SSSP, Elaborado para predecir la vida útil y el crecimiento de los microorganismos específicos de deterioro, histamina y de L. monocytogenes en diferentes productos de la pesca, a temperatura constante o en condiciones de fluctuación de temperatura. El modelo predictivo para L. monocytogenes ha sido recientemente validado para otros alimentos, especialmente productos cárnicos. Modelo de control de Listeria, pensado para estimar los niveles de lactato y diacetato necesarios en productos cárnicos para retardar y/o inhibir el crecimiento de L. monocytogenes.

LAS PRESPECTIVAS PARA EL DESARROLLO 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.

Modelos probabilísticos de crecimiento 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 :H 7 ), en situaciones en las que el microorganismo se tiene en una dosis infectante baja, se requiere de su conocimiento 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.

 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 primarios se encuentran la ecuación de Gompertz, ecuación Baranyi y Roberts y el Modelo lineal en tres fases

Modelos secundarios están la ecuación de Arrhenius, los modelos de raíz cuadrada y el modelo de superficies respuesta

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“ predictor de deterioro de mariscos (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 validación del modelo aplicado.  Las etapas iniciales de este proceso son de fundamental importancia para la correcta aplicación del mismo.

Descripción del modelo predictivo

1. 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.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.

Método de citometría 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 ). 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.