DOWNLOAD PDF FILE

Abstract: The beginnings of predictive microbiology date back to 1920 when Bigelow developed a logarithmic-linear dependence of kinetics on the death of microorganisms. Predictive microbiology is a sub-discipline of food microbiology, whose task is to predict the behavior of microorganisms in food using mathematical models. The predictive model for microbiology is usually a simplified description of the correlation between the observed reactions and the factors responsible for the occurrence of these reactions. There are several main conceptual models (empirical vs. mechanistic, stochastic vs. deterministic, dynamic vs. static), in which there are model divisions depending on the type of examined microorganism or the nature of the problems caused by microbes (kinetic vs. probabilistic), described variables (first, secondary and tertiary) or the influence of environmental factors on microbial populations (growth, survival, inactivation). The new generations of models include molecular and genomic models, transfer models, Artificial Neural Network, interactions between species, and single cell models.
The process of creating a mathematical model requires coordination of work and the knowledge of: microbiology, statistics, mathematics, chemistry, process engineering and computer and web science. It also requires appropriate hardware and software. There are four stages in the construction of a mathematical model: planning; data collection and analysis; mathematical description; validation and storage of data.
In recent years, numerous computer software programs have been developed: FISHMAP, FSSP, Dairy Product Safety Predictor, Symbiosis, GroPIN, Listeria Meat FDA-iRISK, TRiMiCri, Microbial Responses, GlnaFiT, FILTREX, PMM-Lab. ComBase database, on the other hand, is a pioneering achievement as an on-line tool. Some programs meet the requirements for creating Food Safety Model Repositories (FSMR).

1. Introduction. 2. The idea of predictive microbiology. 3. Historical background of predictive microbiology. 4. The concept of a model and modeling concepts in food microbiology. 4.1. Concept 1: empirical vs. mechanistic models. 4.2. Concept 2: static vs. dynamic models. 4.3. Concept 3: stochastic vs. deterministic models. 5. Breakdowns of prognostic models. 5.1. Neural networks. 5.2. A new generation of predictive models. 6. The construction of the predictive model. 6.1. Planning the experiment. 6.2. Collection of data. 6.3. Data analysis. 6.4. Model validation. 7. Predictive microbiology in risk analysis. 8. Summary

Streszczenie: Pojęcie ,,mikrobiologia prognostyczna” po raz pierwszy w języku polskim zostało użyte w 1994 roku przez prof. Ilnicką-Olejniczak. Natomiast początki prognozowania w mikrobiologii sięgają roku 1920 kiedy to Bigelow opracował zależność logarytmiczno-liniową kinetyki śmierci mikroorganizmów. Mikrobiologia prognostyczna jest subdyscypliną mikrobiologii żywności, której zadaniem jest przewidywanie zachowań mikroorganizmów w żywności z wykorzystaniem modeli matematycznych. Model prognostyczny w przypadku mikrobiologii jest z reguły uproszczonym opisem korelacji pomiędzy zaobserwowanymi reakcjami oraz czynnikami odpowiedzialnymi za pojawienie się tych reakcji. Wyróżnia się kilka głównych koncepcji modeli (empiryczne vs mechanistyczne; stochastyczne vs deterministyczne; dynamiczne vs statyczne) w ramach których istnieją podziały modeli w zależności od rodzaju badanego drobnoustroju czy natury problemów powodowanych przez drobnoustroje (kinetyczne vs probabilistyczne), opisywanych zmiennych (modele pierwszo-, drugo i trzeciorzędowe) czy oddziaływania czynników środowiskowych na populacje drobnoustrojów (modele wzrostu, przeżywalności, inaktywacji). Do nowej generacji modeli zalicza się modele molekularne i genomowe, modele transferu, ANN, modele interakcji między gatunkami oraz modele pojedynczej komórki.
Proces powstawania matematycznego modelu wymaga koordynacji pracy i wiedzy z zakresu: mikrobiologii, statystyki, matematyki, chemii, inżynierii procesowej oraz informatyki. Wymaga również odpowiedniego sprzętu i oprogramowania komputerowego. Wyróżnia się cztery etapy postępowania przy konstrukcji modelu matematycznego: planowanie; zbieranie i analiza danych; opis matematyczny; walidacja i przechowywanie danych. W ostatnich latach opracowano liczne programy do prognozowania w mikrobiologii FISHMAP, FSSP, Dairy Product Safety Predictor, Sym’Previus, GroPIN, Listeria Meat FDA-iRISK, TRiMiCri, Microbial Responses, GlnaFiT, FILTREX, PMM-Lab. Natomiast baza danych ComBase, jest osiągnięciem pionierskim jako narzędzie działające on-line. Niektóre programy spełniają wymagania do tworzenia Repozytoriów Modeli Bezpieczeństwa Żywności (FSMR – Food Safety Model Repositories).

1. Wprowadzenie. 2. Idea mikrobiologii prognostycznej. 3. Rys historyczny mikrobiologii prognostycznej. 4. Pojęcie modelu i koncepcje modelowania w mikrobiologii żywności. 4.1. Koncepcja 1: modele empiryczne vs mechanistyczne. 4.2. Koncepcja 2: modele statyczne vs dynamiczne. 4.3. Koncepcja 3: modele stochastyczne vs deterministyczne. 5. Podziały modeli prognostycznych. 5.1. Sieci neuronowe. 5.2. Nowa generacja modeli prognostycznych. 6. Konstrukcja modelu prognostycznego. 6.1. Planowanie doświadczenia. 6.2. Zbieranie danych. 6.3. Analiza danych. 6.4 Walidacja modelu. 7. Prognozowanie mikrobiologiczne w analizie ryzyka. 8.Podsumowanie