背景介紹：研究人員通過結合基于個體的建模（IBM）和食品微環境描述，預測單核增生李斯特菌在涂抹軟奶酪表面的生長行為。李斯特菌是***種重要的食源性病原菌，能夠在低溫下繁殖，對食品安全構成嚴重威脅。傳統的風險評估方法主要基于宏觀尺度的物理化學特性（如pH和水活度），但忽略了微觀尺度的變異性。本研究提出了***種新的建模方法，以更準確地評估李斯特菌在異質食品中的生長行為。研究使用了法***斯特拉斯堡地區的涂抹軟奶酪（Munster），通過三批奶酪的實驗設計，測量了奶酪表面pH和水活度（aw）的時空變異性。

實驗結果顯示，奶酪成熟過程中表面pH值從約5.0升高到超過7.0，且存在顯著的空間變異性，例如半徑方向和凹陷/隆起部位的pH差異。微觀尺度的aw值范圍為0.96到0.98，成熟過程中保持穩定，但存在奶酪表面之間的變異性。為了更準確地描述李斯特菌的生長行為，研究開發了基于個體的建模（IBM）方法，考慮了單個細胞的生長概率、滯后期和生長速率，并結合了微觀尺度的物理化學特性。實驗中，通過人工污染實驗驗證了模型的預測能力。結果顯示，IBM方法能夠更好地描述低接種量和不利生長條件下的李斯特菌生長行為，尤其是在奶酪表面污染細胞數低時。與傳統的種群/宏觀方法相比，IBM方法能夠更準確地預測無生長的情況，并且在高污染情況下不會高估風險。此外，研究還模擬了奶酪成熟過程中李斯特菌的生長，發現IBM方法預測的雙峰分布能夠反映出***些奶酪表面無生長，而另***些奶酪表面則提供了有利的生長條件。

微觀方法下的污染變異性比宏觀方法更大，且污染范圍約比宏觀方法大1個log10單位。結合IBM和微觀尺度的物理化學特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長行為，尤其是在低接種量和不利生長條件下。與傳統的種群/宏觀方法相比，IBM方法能夠更好地描述實際細菌行為的變異性，并預測高風險情況。這***研究為食品安全管理和風險評估提供了新的工具和思路，并為未來在其他食品中的應用奠定了基礎。

Unisense微電極系統的應用

unisense微電極用于測量涂抹軟奶酪表面微觀尺度的pH值。傳統方法通常測量宏觀尺度的pH值，這種測試方法無法捕捉到微觀尺度上的空間變異性。unisense PH 微電極能夠檢測到奶酪表面不同位置（如凹陷和隆起部位）的pH差異，揭示了微觀尺度的pH值相較于宏觀尺度的高度變異性。研究發現奶酪表面的pH值在半徑方向上存在顯著差異，且凸起部位的pH值高于凹陷部位。這種微觀尺度的測量對理解李斯特菌在奶酪表面的生長環境提供了更精確的信息。微電極的使用使得研究人員詳細了解奶酪表面的空間異質性。通過在奶酪表面不同位置（如中心、半徑中間和邊緣）進行多次測量，研究發現奶酪表面的pH值和水活度（aw）存在顯著的空間差異。而空間異質性對于理解李斯特菌的生長行為至關重要，因為細菌的生長不僅取決于宏觀環境，還受到微觀環境的影響。

實驗結果

使用了法***斯特拉斯堡地區的涂抹軟奶酪（Munster），通過三批奶酪的實驗設計，測量了奶酪表面pH和水活度（aw）的時空變異性。實驗結果顯示奶酪成熟過程中表面pH值從約5.0升高到超過7.0，且存在顯著的空間變異性，例如半徑方向和凹陷/隆起部位的pH差異。結合IBM和微觀尺度的物理化學特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長行為，尤其是在低接種量和不利生長條件下。與傳統的種群/宏觀方法相比，IBM方法能夠更好地描述實際細菌行為的變異性，并預測高風險情況。

圖1、人工奶酪樣品中，NaCl或水與奶酪混合后的滲透壓與水活性的關系。點表示觀察值的平均值，誤差條表示滲透壓的10次重復實驗和水活性的4次重復實驗的兩個標準差。

圖2、13.5°C下奶酪成熟過程中，奶酪表面微觀pH值的變化，A表示0.7厘米半徑的奶酪表面凸起處，B表示4.3厘米半徑的奶酪表面凹陷處。交叉點為觀察值（每個日期n=5），虛線表示建模的變異性區域的2.5%和97.5%分位數。

圖3、在8天（A）和14天（B）成熟時，在不同半徑位置（●表示凹陷處，y表示凸起處）觀察到的奶酪表面微觀pH值。點和誤差條表示15次重復實驗的平均值和標準差。

圖4、13.5°C下奶酪成熟過程中，奶酪表面微觀水活性的變化。三批奶酪的值通過不同符號表示，點和誤差條表示在同***奶酪表面上獲得的15或30次觀察的平均值和標準差。奶酪的清洗在第9或第10天和第13或第14天進行。

圖5、觀察到的奶酪表面微觀水活性（aw）變異性，按表面和位置劃分。連接的點表示***個奶酪表面的累計分布函數（cdf），描述表面內位置的變異性（s location）。連接點分布的離散性說明了奶酪間或表面間的變異性（s surface）。實線為***個表面的水活性中位數cdf，虛線顯示了建模的表面間變異性區域的2.5%和97.5%分位數。

結論與展望

***種基于個體的建模（IBM）方法被開發用來描述幾株李斯特菌（Listeria monocytogenes）在涂抹軟奶酪表面的行為。IBM方法評估了細胞在奶酪表面上的隨機個體行為，并考慮了它們周圍微環境的特性。研究人員使用了unisense微電極測量pH值和微滲透壓來評估奶酪微樣本的水活度。這些測量揭示了微觀尺度的pH值相較于宏觀尺度pH值的高度變異性。微電極技術(unisense)在本研究中發揮了關鍵作用，通過提供微觀尺度的pH和aw測量數據，揭示了奶酪表面的空間異質性，支持了基于個體的建模方法，并驗證了模型的準確性。這種技術的應用不僅提高了對李斯特菌生長行為的理解，還為食品安全評估提供了更精確的工具，有助于更有效地管理食品安全風險。研究人員開發了***個模型，描述了在成熟過程中pH值從約5.0升高到超過7.0的變化。還建立了描述奶酪表面空間變異性的模型，其中包括半徑方向上pH值的增高以及奶酪外皮隆起部位的pH值高于凹陷部位的現象。微觀尺度的水活度范圍約為0.96到0.98，并在成熟過程中保持穩定。與奶酪之間的變異性相比，奶酪表面上的空間變異性較小。將描述奶酪特性微觀尺度變異性的模型與IBM方法結合，用于模擬李斯特菌在奶酪表面的隨機生長，并將這些模擬結果與不同成熟階段人工污染的輻照奶酪的細菌計數進行比較。使用IBM/微環境方法模擬的李斯特菌計數變異性與觀察結果***致。通過這些模型，可以推導出不同的情境，如沒有生長或高度污染的食品。IBM方法比傳統的種群/宏觀環境方法更有效地描述了實際細菌行為的變異性。本研究的結論表明，結合IBM和微觀尺度的物理化學特性描述，能夠更準確地預測李斯特菌在涂抹軟奶酪表面的生長行為，尤其是在低接種量和不利生長條件下。與傳統的種群/宏觀方法相比，IBM方法能夠更好地描述實際細菌行為的變異性，并預測高風險情況。這***研究為食品安全管理和風險評估提供了新的工具和思路，并為未來在其他食品中的應用奠定了基礎。

注：文章來源于網絡，如有侵權，請聯系刪除