Académique Documents
Professionnel Documents
Culture Documents
Profesor
E-Mail: enalcahe@unipamplona.edu.co enalcahe@hotmail.com
Departamento de Microbiologa
Facultad de Ciencias Bsicas
Universidad de Pamplona
Campus Universitario, Km. 1, Va Bucaramanga
Pamplona, Colombia
Telefax: 57-75685303 ext. 227
1. Introduccin
La preservacin de los alimentos a travs de los aos ha sido necesaria para nuestra
supervivencia. Las tcnicas de preservacin utilizadas en el pasado (salazn, secado, ahumado,
calentamiento entendido como coccin, conservacin a bajas temperaturas y la fermentacin)
siguen siendo empleadas en conjunto con otros mtodos en la actualidad, apoyados en el
conocimiento que diferentes disciplinas cientficas han aportado al desarrollo en este campo
(Gram et al., 2002). Actualmente y debido a la cada vez creciente exigencia de los consumidores
por alimentos lo mas naturalmente posible, ha hecho que la industria agroalimentaria busque
alternativas de tratamiento de alimentos conservando la seguridad y la calidad de los mismos.
Tradicionalmente se han empleado mtodos fsicos de proceso como las tecnologas trmicas
(pasteurizacin, esterilizacin, tindalizacin, refrigeracin, congelacin,
etc.) y ms
recientemente el empleo de atmsferas controladas y/o modificadas; entre los mtodos qumicos
destacan la acidificacin, salazn y conservacin en almbar, mientras que la conservacin
biolgica se ha encaminado hacia los procesos de fermentacin. Sin embargo, nuevas formas de
tratamiento y conservacin de alimentos han ido apareciendo pudiendo distinguir dos tipos
fundamentales: Nuevas tecnologas trmicas (Calentamiento con radiofrecuencias, procesado
con microondas, calentamiento infra-rojo, infusin instantnea y de calor elevado, calentamiento
hmico) y Tecnologas no trmicas (Alta presin hidrosttica, Campos elctricos pulsados de alta
intensidad, Campos magnticos oscilatorios, pulsos lumnicos intensos, irradiacin, preservacin
qumica y bioqumica, etc.) que an continan siendo foco de investigacin.
Por otra parte, el objetivo que persiguen todos estos mtodos es el de rendir un producto
nutricionalmente bueno, con un alto nivel de inocuidad y que su vida til sea prolongada.
til media de 14 das siendo limitado en la mayora de los casos por el decaimiento bioqumico
(enzimtico/senescencia) o el decaimiento microbiano. Con las nuevas tecnologas de empaque
en atmsfera modificada/controlada (CAP/MAP) en condiciones aspticas, tales alimentos
pueden durar hasta 90 das (3 meses). Un alimento semi-perecedero tiene una vida til media de
alrededor de 6 meses, tales como algunos quesos, mientras que los alimentos no perecederos
tienen una vida til superior a 6 meses y con una duracin de hasta 3 aos cuando son
mantenidas bajo condiciones apropiadas de almacenamiento (p.ej., la mayora de las
conservas).
Esto es, que si conocemos la microbiota alterante predominante en los alimentos perecederos y
sabemos cmo cambia su poblacin en el tiempo (si asumimos que la ocurrencia de alteraciones
especficas se da despus de la fase de latencia), puede establecerse la vida til del mismo
mediante la siguiente relacin (aproximacin de Monod-Hinshelwood):
log
Donde ts es el tiempo necesario para que se desarrolle la alteracin bajo las mismas
condiciones extrnsecas e intrnsecas medidas; Ns (ufc/g o cm2) es el valor correspondiente a la
poblacin de seguridad (valor mximo permisible antes de considerarse alterado el producto); N0
(ufc/g o cm2) es el valor correspondiente a la poblacin inicial presente en el producto; Tg es el
tiempo de generacin de la poblacin alterante especfica. As una vez Ns y Tg han sido
determinados para esas condiciones de almacenamiento, es muy fcil determinar el tiempo de
vida til reemplazando en la frmula anterior, y por tanto, puede establecerse el mantenimiento
de la calidad de estos productos bajo estas condiciones. Por lo tanto, todo lo que se requiere
para estimar la vida til de ese alimento es conocer la poblacin inicial (N0).
Si la anterior aproximacin se aplica a diferentes temperaturas, entonces puede
evaluarse el efecto de la temperatura sobre el crecimiento bacteriano, transformando los datos
de velocidad de crecimiento o tiempo de generacin en una grfica de dependencia de la
temperatura (como ha sido usada por Mossel e Ingram, 1955), y obtener una constante que
indique como cambia la velocidad de crecimiento con el cambio de la temperatura. En este caso
debera considerarse calcular k a diferentes intervalos de temperatura constantes (por ejemplo el
modelo de Q10; el cual muestra como vara k cada vez que se incrementa o disminuye en 10C la
temperatura de almacenamiento.
Un modelo similar haba sido establecido por Svante August Arrhenius (Sueco, 18591927) en 1889, cuando descubri que la velocidad de las reacciones qumicas aumenta con la
temperatura, en una relacin proporcional a la concentracin de molculas existentes.
A
o
ln
ln
Donde, k es la velocidad de reaccin; A {(ufc/ml, g o cm2)/tiempo} es un factor preexponencial parmetro a ser determinado (intercepto de y en una grfica de Lnk vs 1/T) , R
es la constante de los gases ideales (8.314 KJ/KgK o 1,987 cal/Kmol), T es la temperatura
absoluta (K), y Ea (KJ/Kg) es denominada como la energa de activacin de la reaccin lmite de
velocidad-crecimiento (Ross y McMeekin, 1994). Si en la ecuacin anterior los valores de k son
calculados a diferentes temperaturas y si el lnk es graficado contra 1/T, puede obtenerse una
lnea recta en la cual la pendiente (m) es igual Ea/R (Labuza y Riboh, 1982; Labuza y col., 1992;
McDonald y Sun, 1999). As el modelo de Arrhenius puede catalogarse en la clasificacin de
Whiting y Buchanan (1993) como un modelo secundario.
Cuando el modelo de Arrhenius es empleado para evaluar el efecto de la temperatura
sobre el crecimiento microbiano, entonces k se transforma en la velocidad de crecimiento
especfico (Ross y McMeekin, 1994; Giannuzzi y col., 1998), y la ecuacin de Arrhenius puede
escribirse como:
Entonces, las grficas obtenidas solo sirven para predecir el crecimiento microbiano en un
limitado rango de temperatura (Labuza y Fu, 1993; McDonald y Sun, 1999). As la ecuacin que
ha sido utilizada mayoritariamente para describir el efecto de la temperatura sobre el crecimiento
microbiano es el modelo de la raz cuadrara propuesto por Ratkowsky y col., en 1982 (Adair y
col., 1989; Willocx y col., 1993; Neumeyer y col., 1997; Giannuzzi y col., 1998).
10C
20C
30C
ufc/g
0,00
1000
1000
1000
0,96
1047
1479
3162
1,92
1096
2188
9772
2,88
1148
3236
30903
3,84
1202
4786
95499
4,80
1259
7079
295121
5,76
1318
10471
912011
6,72
1380
15488
2818383
7,68
1445
23442
8128305
8,64
1514
34674
21379621
9,60
1585
51286
45708819
10,56
1660
75858
75857758
11,52
1738
112202
100000000
12,48
1820
165959
112201845
Para el clculo de la vida til pueden emplearse varios modelos predictivos, pero vamos
a comenzar con la aproximacin de Arrhenius.
1. El primer paso una vez obtenida la poblacin en unidades logartmicas (ln ufc/g) es
calcular la velocidad de crecimiento especfica () para cada temperatura en el
intervalo de crecimiento exponencial. Esta puede obtenerse de diversas maneras,
una es graficando en las ordenadas el Lnufc/g en fase exponencial y en las abscisas
el tiempo (h), y a partir de esta grfica obtener la ecuacin de la recta en cuyo caso
la pendiente es igual a la velocidad de crecimiento especfica ( ufc h1g). Otra
forma es calculando a partir de la siguiente ecuacin:
Tiempo (h)
10C (283K)
ufc/g
Lnufc/g
Log ufc/g
(h)
0,00
1000
6,91
3,00
0,04784
0,96
1047
6,95
3,02
0,04764
1,92
1096
7,00
3,04
0,04829
2,88
1148
7,05
3,06
0,04788
3,84
1202
7,09
3,08
0,04826
4,80
1259
7,14
3,10
0,04771
5,76
1318
7,18
3,12
0,04788
6,72
1380
7,23
3,14
0,04794
7,68
1445
7,28
3,16
0,04859
8,64
1514
7,32
3,18
0,04774
9,60
1585
7,37
3,20
0,04816
10,56
1660
7,41
3,22
0,04783
11,52
1738
7,46
3,24
0,04802
12,48
1820
7,51
3,26
---
media
Tiempo (h)
0,00
0,04798
20C (293K)
ufc/g
Lnufc/g
Log ufc/g
(h)
1000
6,91
3,00
0,40767
0,96
1479
7,30
3,17
0,40794
1,92
2188
7,69
3,34
0,40766
2,88
3236
8,08
3,51
0,40766
3,84
4786
8,47
3,68
0,40775
4,80
7079
8,86
3,85
0,40779
5,76
10471
9,26
4,02
0,40777
6,72
15488
9,65
4,19
0,43173
7,68
23442
10,06
4,37
0,40777
8,64
34674
10,45
4,54
0,40774
9,60
51286
10,85
4,71
0,40776
10,56
75858
11,24
4,88
0,40775
11,52
112202
11,63
5,05
0,40775
12,48
165959
12,02
5,22
---
media
Tiempo (h)
0,40959
30C (303K)
ufc/g
Lnufc/g
Log ufc/g
(h)
0,00
1000
6,91
3,00
1,19917
0,96
3162
8,06
3,50
1,17533
1,92
9772
9,19
3,99
1,19930
2,88
30903
10,34
4,49
1,17527
3,84
95499
11,47
4,98
1,17528
4,80
295121
12,60
5,47
1,17528
5,76
912011
13,72
5,96
1,17528
6,72
2818383
14,85
6,45
1,10332
7,68
8128305
15,91
6,91
1,00738
8,64
21379621
16,88
7,33
0,79151
9,60
45708819
17,64
7,66
0,52768
10,56
75857758
18,14
7,88
0,28782
11,52
100000000
18,42
8,00
0,11993
12,48
112201845
18,54
8,05
---
media
0,93174
Grficadelnvs1
1/T
0,5
0
Ln(ufc
K)
Ln (ufc1h
hK)
0,50,0032
0,0033
0,0034
0,003
35
0,0036
Grficaadelnvs1/TT
1,5
Lineal(Grficadeln
vs1/T))
2
2,5
3
3,5
y=13054x+43,27
R=0,954
1/TT(1K)
ln
43,27 ufc/h
hK
ln
108
8537,12
/
8,31
14472
/
277
ln
43,27 ufc/hK
ln
47,13
3,856
0,021
0,021 lnufc/g
X?
16,524 lnufc/g
16,524
0,021
/
/
0,301
Tiempo (h)
10C (283K)
ufc/g
Lnufc/g
Log ufc/g
k (h)
0,00
1000
6,91
3,00
0,06903
0,96
1047
6,95
3,02
0,06874
1,92
1096
7,00
3,04
0,06967
2,88
1148
7,05
3,06
0,06908
3,84
1202
7,09
3,08
0,06963
4,80
1259
7,14
3,10
0,06883
5,76
1318
7,18
3,12
0,06909
6,72
1380
7,23
3,14
0,06917
7,68
1445
7,28
3,16
0,07011
8,64
1514
7,32
3,18
0,06888
9,60
1585
7,37
3,20
0,06949
10,56
1660
7,41
3,22
0,06901
11,52
1738
7,46
3,24
0,06929
12,48
1820
7,51
3,26
---
k media
Tiempo (h)
0,06923
20C (293K)
ufc/g
Lnufc/g
Log ufc/g
k (h)
0,00
1000
6,91
3,00
0,58821
0,96
1479
7,30
3,17
0,58859
1,92
2188
7,69
3,34
0,58818
2,88
3236
8,08
3,51
0,58819
3,84
4786
8,47
3,68
0,58831
4,80
7079
8,86
3,85
0,58837
5,76
10471
9,26
4,02
0,58834
6,72
15488
9,65
4,19
0,62292
7,68
23442
10,06
4,37
0,58835
8,64
34674
10,45
4,54
0,58830
9,60
51286
10,85
4,71
0,58833
10,56
75858
11,24
4,88
0,58831
11,52
112202
11,63
5,05
0,58832
12,48
165959
12,02
5,22
---
k media
0,59098
30C (303K)
Tiempo (h)
ufc/g
Lnufc/g
Log ufc/g
k (h)
0,00
1000
6,91
3,00
1,73021
0,96
3162
8,06
3,50
1,69581
1,92
9772
9,19
3,99
1,73040
2,88
30903
10,34
4,49
1,69573
3,84
95499
11,47
4,98
1,69574
4,80
295121
12,60
5,47
1,69574
5,76
912011
13,72
5,96
1,69574
6,72
2818383
14,85
6,45
1,59192
7,68
8128305
15,91
6,91
1,45349
8,64
21379621
16,88
7,33
1,14203
9,60
45708819
17,64
7,66
0,76135
10,56
75857758
18,14
7,88
0,41528
11,52
100000000
18,42
8,00
0,17303
12,48
112201845
18,54
8,05
---
k media
1,34434
(h)
k (h)
Tg (h)
10
0,04798
0,06923
14,4435 h
20
0,40959
0,59098
1,6919 h
30
0,93174
1,34434
0,7438 h
Si y = 0,064x + 1,712,
1
proceddemos a calccular Log10k a 4C (x).
Log100Tg = 0,064*4C + 1,7122
Log100Tg = 0,256 + 1,712
Log100Tg = 1,456
Tg = 101,456
Tg = 28,57 h; (k = 0,035)
Lo
og10TdvsTTemp.paraelcrecim
mientode
eS.
aurreus
1,4000
1,2000
y=0,064x+1,71
12
R=0,939
Log10Td(h)
L 10 Td (h)
1,0000
0,8000
0,6000
Series1
0,4000
Lineal(Series1)
0,2000
0,0000
0,2000 0
0,4000
10
20
30
40
TTemperatura(C)
log
7,18 3
0,301
28,57
396,76
6
16,5
7. Conclusin.
Si nos La vida til estimada para este producto a 4C es de 786,86 horas o 32,78 das
con el modelo de Arrhenius. Como margen de seguridad puede establecerse una vida
til de 30 das a 4C. Sin embargo, con la aproximacin de Monod-Hinshelwood la vida
til se ve limitada a 396,76 h o 16,5 das. En este caso como margen de seguridad
podramos establecer una vida til de 14 a 15 das.
Tal y como explica Labuza y Fu (1993) o McDonald y Sun (1999), cuando se emplea el
modelo de Arrhenius para el crecimiento bacteriano, las extrapolaciones de las grficas
pueden no mostrar linealidad, y por lo tanto, el modelo anterior no puede encajar muy
bien por debajo de los datos ptimos o por encima de las temperaturas mnimas para el
crecimiento.
8. Bibliografa
Adair, C., Kilsby, D.C., Whittall, P.T. 1989. Comparison of the Schoolfield (non-linear Arrhenius)
model and the Square Root model for predicting bacterial growth in foods. Food Microbiol.,
6, 718.
Baranyi, J., Jones, A., Walker, C., Kaloti, A., Robinson, T.P., Mackey, B.M., 1996. A combined
model for growth and subsequent thermal inactivation of Bochothrix thermosphacta. Appl.
Environ. Microbiol., 62, 10291035.
Baranyi, J., Roberts, T.A., McClure, P.J., 1993. A non-autonomous differential equation to
model bacterial growth. Food Microbiol., 10, 4349.
Codex Alimentarius - Comisin conjunta FAO-OMS. 1998. Seccin II: definiciones, Directrices
para el diseo de las medidas de control de los alimentos vendidos en las vas pblicas de
frica. En: Requisitos generales (Higiene de los alimentos). Suplemento al volumen 1B.
Roma, Italia. M-83. ISBN 92-5-304029-7.
Dalgaard, P., 1995. Modelling of microbial activity and prediction of shelf life for packed fresh
fish. Int. J. Food Microbiol., 26, 305317.
Devlieghere, F., Van Belle, B., Debevere, J., 1999. Shelf life of modified atmosphere packed
cooked meat products: a predictive model. Int. J. Food Microbiol., 46, 5770.
Einarsson, H., 1994. Evaluation of a predictive model for the shelf life of cod (Gadus morhua)
fillets stored in two different atmospheres at varying temperatures. Int. J. Food Microbiol.,
24, 93102.
Einarsson, H., Ericksson, S.G., 1986. Microbial growth models for prediction of shelf life of
chilled meat. Recent Advances and Developments in the Refrigeration of Meat by Chilling
International Institute of Refrigeration, Paris, France, pp. 397402.
Esty, J.R., Meyer, K.F., 1922. The heat resistance of spore of B. botulinum and allied
anaerobes XI. J. Infect. Diseases, 31, 650663.
Geeraerd, A.H., Herremans, C.H., Cenens, C., Van Impe, J.F., 1998. Application of artificial
neural networks as a non-linear modular modeling technique to describe bacterial growth
in chilled food products. Int. J. Food Microbiol., 44, 4968.
Giannuzzi, L., Pinotti, A., Zaritzky, N. 1998. Mathematical modelling of microbial growth in
packaged refrigerated beef stored at different temperatures. Int. J. Food Microbiol., 39,
101110.
Gibbs, P.A., Williams, A.P., 1990. In: Using Mathematics for Shelf Life Prediction, Food
Technol. Int, Europe. Pp. 287290.
Gill, C.O., Jones, T., 1992. Assessment of the hygienic efficiency of two commercial processes
for cooling pig carcasses. Food Microbiol., 9, 335343.
Gill, C.O., Phillips, D.M., Hoeffen, M.P.F., 1988. A computer program for assessing the
remaining storage life of chilled red meats from product temperature histories. In:
Proceeding of Meetings of Commissions C2, D1, D2/3, E1, September 59, Institut
International du Froid Paris, Refrigeration for Food and People, pp. 7377.
Kant-Muermans, M.L.T., Stekelenburg, F.K., Zwietering, M.H., Huis int Veld, J.H.J., 1997. In:
Modelling the Shelf Life of Packed, Cooked Meat Products, World Congress on Food
Hygiene, The Hague, The Netherlands, pp. 5357.
Labuza, T.P., 1994. Determination of the Shelf Life of Foods. Article inedited.
Labuza, T.P., Fu, B. 1993. Growth kinetics for shelf-life predictions: theory and practice. J. Ind.
Microbiol., 12, 309323.
Labuza, T.P., Fu, B., Taoukis, P.S. 1992. Prediction of shelf life and safety of minimally
processed CAM/MAP chilled foods: a review. J. Food Protection, 55, 743750.
Labuza, T.P., Riboh, D. 1982. Theory and applications of Arrhenius kinetics to the prediction of
nutrient losses in foods. Food Technology, 36, 6674.
McDonald, K., Sun, D-W. 1999. Predictive food microbiology for the meat industry: a review. Int.
J. Food Microbiol., 52, 127.
McMeekin, T.A., Olley, J., Ratkowsky, D.A., Ross, T., 2002. Predictive Microbiology: towards
the interface and beyond. Int. J. Food Microbiol., 73, 395407.
McMeekin, T.A., Ross, T., 1996. Shelf-life prediction: status and future possibilities. Int. J. Food
Microbiol., 33, 6583.
McMeekin, T.A., Ross, T., 2002. Predictive microbiology: providing a knowledge-based
framework for change management. Int. J. Food Microbiol., 78, 133153.
Mizrahi, S. Chapter 5. Accelerated shelf-life tests. In: The Stability and Shelf Life of Food.
Kilcast, D., Subramaniam, P, Editors.
Mossel, D.A.A., Ingram, M. 1955. The physiology of the microbial spoilage of foods. J. Appl.
Microbiol., 18, 232268.
Neumeyer, K., Ross, T., McMeekin, T.A. 1997a. Development of a predictive model to describe
the effects of temperature and water activity on the growth of spoilage pseudomonads. Int.
J. Food Microbiol., 38, 4554.
Neumeyer, K., Ross, T., Thomson, G., McMeekin, T.A., 1997b.
Validation of a model
describing the effects of temperature and water activity on the growth of psychrotrophic
Pseudomonads. Int. J. Food Microbiol., 38, 5563.
Pin, C., Baranyi, J., 1998. Predictive models as a means to quantify the interactions of spoilage
organisms. Int. J. Food Microbiol., 41, 5972.
Ratkowsky, D.A., Olley, J., McMeekin, T.A., Ball, A. 1982. Relationship between temperature
and growth rate of bacterial cultures. J. Bacteriol., 149, 15.
Ross, T., McMeekin, T.A. 1994. Predictive microbiology, Review paper. Int. J. Food Microbiol.,
23, 241 264.
Van Impe, J.F., Nicolai, B.M., Martens, T., De Baerdemaeker, J., Vandewalle, J., 1992.
Dynamic mathematical model to predict microbial growth and inactivation during food
processing. Appl. Environ. Microbiol., 58, 29012909.
Van Impe, J.F., Nicolai, B.M., Schellekens, M., Martens, T., De Baerdemaeker, J., 1995.
Predictive microbiology in a dynamic environment: a system theory approach. Int. J. Food
Microbiol. 25, 227249.
Vankerschaver, K., Wilcox, F., Smout, C., Hendrickx, M., Tobback, P., 1996. The influence of
temperature and gas mixtures on the growth of the intrinsic micro-organisms on cut endive:
predictive versus actual growth. Food Microbiol., 13, 427440.
Whiting, R.C., Buchanan, R.L., 2001. Predictive microbiology and risk assessment. In: Doyle,
M.P., Beauchat, L.R., Montville, T.J. (Eds.)., Food Microbiology. Fundamentals and
Frontiers, 2nd ed. American Society for Microbiology Press, Washington, D.C., pp- 813
831.
Whiting, RC., Buchanan, R.L. 1993. A classification of models for predictive microbiology. Food
Microbiol., 10, 175 177.
Williams, T., 1992. In: The Principles Involved in the Determination of Product Shelf-life,
Leatherhead Food Research Association, UK.
Willocx, F., Mercier, M., Hendrickx, M., Tobback, P. 1993. Modelling the influence of
temperature and carbon dioxide upon the growth of Pseudomonas fluorescens. Food
Microbiol., 10, 159173.
Unidades (VPT-1n-1)
8.314472
JK-1mol-1
0.0820574587
LatmK-1mol-1
83.14472
cm3barmol-1K-1
8.20574587 10-5
m3atmK-1mol-1
8.314472
cm3MPaK-1mol-1
8.314472
LkPaK-1mol-1
8.314472
m3PaK-1mol-1
62.36367
LmmHgK-1mol-1
62.36367
LTorrK-1mol-1
83.14472
LmbarK-1mol-1
0.08314472
LbarK-1mol-1
1.987
calK-1mol-1
6.132440
lbfftK-1g-mol-1
10.73159
ft3psiR-1lb-mol-1
0.7302413
ft3atmR-1lb-mol-1
998.9701
ft3mmHgK-1lb-mol-1
8.314472 107
ergK-1mol-1
8.314472
KJKg-1K-1