Data Analysis

1.6.1 Modelos de crecimiento microbiano

En los últimos años, ha habido un gran desarrollo de la modelización matemática y de la microbiología predictiva, ya que son herramientas valiosas en la planificación de programas de análisis y control de puntos críticos y toma de decisiones proporcionando la primera estimación del cambio esperado en la población microbiana cuando se exponen a un grupo especifico de condiciones. La microbiología predictiva es un campo de estudio que combina elementos de microbiología, matemáticas y estadística, para desarrollar modelos que describan y predigan matemáticamente el crecimiento o muerte de los microorganismos, cuando se les somete a condiciones medioambientales especificas55.

Esta técnica se basa en la premisa de que las respuestas de poblaciones de microorganismos a factores medioambientales son reproducibles. Por otro lado, varios estudios realizados han demostrado que la velocidad a la que las bacterias mueren en un plato preparado, depende de muchos factores, incluyendo la temperatura, los ingredientes (carnes, vegetales, cereales), la acidez, pH, contenido de sal, ciertos condimentos, y el contenido de agua. Por esto, la adición de ácidos, sales o especias pueden disminuir el número de patógenos vegetativos y los aditivos químicos como el lactato de sodio y lactato de calcio se utilizan en la industria alimentaria para bajar o aumentar el pH y así reducir el riesgo de formación de esporas de los patógenos como Clostridium spp. y Bacillus cereus56 . Con respecto a esto, se han desarrollado tecnologías que permiten predecir la vida útil de los alimentos modelizando el crecimiento microbiano por medio de un

55

RYBKA-RODGERS. Improvement of food safety design of cook-chill foods. Citado por: BALDWIN, D. A practical Guide to Sous Vide Cooking. Pg iii. Abril, 2009.

56 _{RYBKA, S. RODGERS, S. improvement of food safety design of Cook-Chill foods. En: 1 Food Research}

39

software especializado. Según el grupo HIBRO57, perteneciente a una de las áreas de investigación de la Universidad de Córdoba en España, se tiene una gran experiencia en el desarrollo de modelos matemáticos para predecir el crecimiento, supervivencia e inactivación de microorganismos en los alimentos, empleando programas informáticos basados en diversos modelos y ofreciendo distintos tipos de pronóstico para microorganismos patógenos y alterantes en diferentes escenarios. 58

Según el docente de la Universidad de Pamplona (Colombia), Enrique Alfonso Cabeza Herrera (PhD), La microbiología predictiva (MP) es una área multidisciplinaria emergente de la microbiología, ya que abarca distintas disciplinas tales como la matemática, microbiología, ingeniería, fisiología y

química para desarrollar y aplicar modelos

matemáticos que permitan predecir las respuestas de los microorganismos ante diferentes cambios en las variables ambientales59.

En la Microbiología Predictiva existen diferentes formas de clasificar los modelos, basándose en diferentes eventos microbiológicos estudiados, en el enfoque del modelamiento aplicado y el número o tipo de variables consideradas. Entonces, pueden ser clasificados con base a si se describe un crecimiento microbiano o inactivación; con excepción de modelos de inactivación térmica, los de crecimiento son generalmente más avanzados que los de inactivación.60

Whiting y Buchanan61 han hecho una clasificación de los modelos empleados en primario, secundario y terciario basados en los tipos de variables que ya se han descrito. Los primarios son expresiones matemáticas que describen el crecimiento o curvas de supervivencia definiendo la respuesta de un organismo en el tiempo

57

COSANO Z., Gonzalo. Áreas de Investigación. Grupo HIBRO. Departamento de Bromatología y Tecnología de los Alimentos, Universidad de Córdoba. 2001. Córdoba, España. Disponible en Línea en: http://www.hibro- uco.es/index.php?option=com_content&view=article&id=8%3Amicrobiologia-predictiva&catid=4&Itemid=4&lang=es

58

Ibid.

59

CABEZA H. Enrique. Microbiología predictiva. Departamento de microbiología. Universidad de Pamplona, Norte de Santander, Colombia. 2007. Disponible en línea en: http://sites.google.com/site/enalcahe/microbiologia-predictiva

60 _{WHITING, R.C, BUCHANAN, R.L. Microbial modeling. En: Food Technology. Vol. 6 (1994). p. 113-120.} 61

40

en un conjunto específico de condiciones de la población. Los secundarios describen el impacto de las variables ambientales y de la población, en el crecimiento de un organismo o las características de supervivencia. El terciario es una combinación de los dos primeros modelos, aplicando programas y sistemas expertos.

Uno de los avances que se ha permitido la microbiología predictiva ha sido la identificación efectiva de los modelos primarios para describir las curvas de crecimiento microbiano; esto ha permitido la descripción de las curvas de una forma objetiva con expresiones matemáticas, atributo crítico para el desarrollo de modelos secundarios y la cinética de crecimiento microbiano62.

Según un estudio realizado en la facultad de nutrición humana de la Universidad de Warsaw en Polonia, la ecuación de Gompertz, puede utilizar modelos matemáticos basados en cinética y probabilidad que muestran una grafica de crecimiento microbiano específica para cada tipo de microorganismo y sus distintas variables y, fue satisfactoriamente aceptado dicho modelo63.

Tienen particular importancia el uso de relaciones sigmoidales tales como la función logística y las curvas de Gompertz, pertenecientes a los modelos secundarios. Esta ecuación es expuesta y explicada por Whiting & Buchanan como sigue en un cuarto parámetro con una función doblemente exponencial que describe una curva sigmoidal asimétrica:

Donde Lt= log10 del conteo de bacterias (UFC) en un tiempo t (h); A=conteo log

asintótico con una disminución de tiempo indefinido (aprox. Equivalente al log del nivel inicial de bacterias); C= conteo log asintótico con un incremento de tiempo

62 _{WHITING, R.C, BUCHANAN, R.L., Op Cit., p. 115.}

63 _{KAJAK, K. KOLOZYN-KRAJEWSKA., D. Construction of predictive models of growth of microorganisms in salted and}

41

indefinido (aprox. Equivalente al log del nivel de máxima densidad de población durante la fase estacionaria – log de conteo inicial); M= tiempo con el cual la rata de crecimiento absoluto es máxima; B= la rata de crecimiento relativo al tiempo M. Esta es una de las funciones mas utilizadas por microbiólogos de alimentos y puede ser expresada asi:

µ= la rata de crecimiento exponencial {[log (UFC/g)]/h}; GT= “Generation Time”, tiempo de generación (h); γ= duración de la fase lag (h); MPD= Log de “Máximum Population Density”.

Recientemente, los modelos de regresión logística multivariante basados en el uso de la ecuación expuesta antes en combinación con el análisis de superficie de respuesta, se han desarrollado para predecir el comportamiento de patógenos alimentarios en respuesta a los parámetros de formulación y almacenamiento de alimentos, incluyendo la temperatura, pH, contenido de cloruro de sodio, la concentración de nitrito de sodio, y la atmósfera.64

Estos modelos se han adaptado para facilitar su utilización mediante el desarrollo de un programa con una aplicación de "usuario-amigable'' para su uso en general: Pathogen Modeling Program (PMP). Este programa se basa en una hoja de cálculo disponible en el mercado, Lotus 1-2-3 ™, e incorpora características tales como el cálculo de la cinética de crecimiento previsto y el tiempo para lograr una determinada densidad de población. La versión actual del software se encuentra

64 _{BUCHANAN. R.L. Using Spreadsheet Software For Predictive Microbiology Applications. En: Journal of Food}

42

disponible en línea con un fácil acceso a sus bases de datos para descargar información de los diferentes microorganismos que incluyen modelos para

Salmonella spp, Shigella flexneri, Clostridium perfringens, Bacillus cereus, Listeria monocytogenes, Staphylococcus aureus, Yersinia pseudotuberculosis, Salmonella typhimurium, Aeromonas hydrophila, Escherichia coli [O157:H7].65

1.6.2 Aplicaciones de la microbiología predictiva

Estos métodos microbiológicos avanzados que permiten dar un acercamiento del comportamiento de diferentes microorganismos en condiciones de medio especificas, han sido investigados con gran auge en el mundo de los alimentos. Probablemente los primeros avances hacia estos métodos rápidos, los darían Esty & Meyer (1922)66, quienes describieron la muerte o inactivación térmica de las esporas de C. botulinum tipo A, usando un modelo logarítmico lineal, el cual es utilizado aún para estimar el calor de proceso necesario para esterilizar alimentos de baja acidez.

El primero en investigar como la tasa de crecimiento microbiano depende de la cantidad de agua disponible, llamada hoy actividad de agua (Aw), fue estudiado

por Scott (1936)67, quien seguidamente también investigó el efecto de la temperatura en los cambios de la tasa específica de muerte.

Seguido de esto, autores como McMeekin (1993), McKellar & Xu (2003), Gibson et al. (1988), Zwietering et al. (1990), Baranyi and Roberts (1993, 1994, 1995, 2001), Ratkowsky (1983), Rosso (1995), Elfwing et al. (2004), entre otros autores, han venido estudiando la cinética de crecimiento e inactivación de los microorganismos y así mismo como poder aplicar estos métodos de manera fácil y rápida a la industria de alimentos. No obstante, en la creación de las bases de datos

65 _{Ibid, p. 65.}

66 _{BARANYI, J. ROBERTS, T.A. Predictive microbiology- Quantitative Microbial Ecology. En: Culture. Marzo 2004. p. 14} 67

43

participaron también entidades gubernamentales en los Estados Unidos como la ERRC (Easter Regional Research Center) de la USDA Agricultural Research Service (ARS)68.

Es así como estos pioneros en la utilización de modelos de crecimiento microbiano validados con métodos analíticos que hoy en día se pueden encontrar de forma gratuita en línea, decidieron que se podría beneficiar a todo el mundo, por lo que en este momento es una base de datos pública y gratuita para investigaciones con fines científicos.