儲糧預測微生物模型的研究進展

岳曉禹 張恒業 辛 婷 李 欣 劉相東 牛天貴

儲糧預測微生物模型的研究進展

岳曉禹1，2張恒業1辛 婷1李 欣1劉相東2牛天貴2

(鄭州牧業工程高等專科學校質檢系1，鄭州 450011)
(中國農業大學食品科學與營養工程學院2，北京 100083)

糧食的安全儲藏，關系到食品安全和人類健康。依據預測微生物學，構建儲糧中微生物生長預測模型，可以快速對儲糧中微生物的生長情況進行判斷，對儲糧中病原微生物和腐敗微生物的控制有重要的意義。對實現“生態儲糧”，確保儲糧安全也具有重要的理論和實際應用價值。以文獻綜述形式，簡要概述了儲糧微生物，根據不同的數學模型，綜述了初級、二級和三級模型中常見的模型，并在此基礎上，簡述了儲糧中主要有害霉菌模擬研究的最新研究進展。

儲糧 預測微生物 模型 綜述

稻谷、小麥和玉米是我國的主要糧食種類和存儲糧種。在糧食儲藏期間，國家大型糧庫主要通過監測溫度、檢測糧食品質指標變化來判斷儲藏狀況，以通風、降溫等手段抑制霉菌等微生物的危害性活動［1］。由于我國糧食儲存期普遍較長，糧食本身具有特有的物理和生理特性，環境及溫濕度及糧倉內濕熱空氣流動會影響局部糧食，導致其水分發生變化。當局部環境的溫、濕度滿足霉菌生長的條件后，儲糧就有發生霉腐現象的可能，而且有些霉菌會產生霉菌毒素等有毒代謝產物，影響相關食品的品質和食用安全，威脅人類的健康。另外，我國每年由于儲藏不當，造成霉變的糧食達數十億公斤，約占全國糧食總產量的1．5%～3%［2］，造成這一原因的根源也是糧食微生物，因此，如何控制儲糧微生物以保證食品安全與質量、減少儲糧損耗是我國糧食貯藏與加工發展的瓶頸。

建立預測微生物學的數學模型可快速地了解微生物的生長特性，描述一定條件下儲糧中特定微生物或產毒菌的響應情況，從而實現對儲糧品質的評估和貯藏期的預測，并以此為依據優化儲糧方法和手段。此外，預測微生物模型還可用于霉菌毒素的預測、評估和分析，新產品開發、操作人員培訓、科研實驗及結果分析等。對實現“綠色儲糧”、“生態儲糧”，確保糧食和飼料貯藏的安全，具有重要的理論和應用價值，也是糧食和飼料貯藏可持續性發展的方向和社會的需求。

1 儲糧微生物

不同種類的微生物對糧食的影響是不一樣的。其中對糧食安全儲藏和食品衛生有直接危害的主要是霉腐微生物。在霉腐微生物這一龐大類群中，就其危害性而言，則以霉菌為最嚴重。這是因為霉菌的代謝活動所要求的水分和溫度等條件遠比細菌、放線菌和酵母菌低。其中對儲糧危害極大，危害最嚴重的而又普遍的是曲霉和青霉及鐮孢菌［3］。

不同類型儲糧中的主要有害霉菌并非完全相同，即使貯藏于不同環境下的同一種儲糧中的主要有害霉菌也不同。將某一特定環境下能夠引起儲糧腐敗且于后期占絕對優勢的霉菌成為該種儲糧的特定有害菌。特定有害菌并非始終處于較高的數量水平，也可能腐敗初期其生物量較低，但其生長速率較其他微生物高［4－5］。

糧食微生物不僅可以導致糧食霉變，而且有的還可以產生毒素污染，較低的劑量就能影響飼用儲糧的安全性，嚴重影響人類食用的安全性。這些都會影響飼用儲糧的質量和儲藏期。在產毒真菌中，許多菌株被發現同人類的食物有很強烈的生態聯系［6］。在食物和飼料的貯藏過程中，經常會發現他們的存在。一些農作物的污染在許多種植地區是比較嚴重的，隨之會導致產生巨大的經濟損失以及潛在的公共危害［7］。

20世紀80年代初一些專家對我國糧食作物中產毒真菌進行調查，發現在小麥、稻谷和玉米3大系列作物中，主要真菌毒素是黃曲霉毒素(Aflatoxins)和鐮孢菌毒素(Fusarium toxins)，其次是雜色曲霉毒素(Sterigmatocystin)和赭曲霉毒素A(Ochratoxins A)［8］。

2 微生物預測模型

2．1 模型簡介

預測微生物學(Predictive Microbiology)是一門微生物、統計學、工程數學和計算機技術相結合的產物，在不進行產品微生物檢測分析的情況下，描述和預測微生物在一定條件下的生長或衰亡，實現預報其貨架期等目的，從而對食品安全做出快速評估的預測方法［9－10］。

預測微生物學的研究始于20世紀20年代某些微生物熱致死時間的計算，D值和Z值的成功運用使罐頭食品中肉毒桿菌食物中毒的風險大大降低。近年來隨著柵欄技術和HACCP技術等的發展，預測微生物學再次成為熱點，在貨架期預測、食品安全風險評估、HACCP體系中，取得了良好的應用效果［11］。

根據美國農業部Whiting和Buchanan的分類方法［12］，首次將預測微生物學模型分為初級模型、二級模型和三級模型。

2．2 初級模型

初級模型是表征微生物數量與時間變化之間的關系，既微生物的響應。而表征微生物響應的模型響應參數則有直接響應參數和間接響應參數兩種。直接參數包括每毫升的菌落形成單位數、毒素產生、底物濃度以及代謝產物等;間接參數則包括電阻抗和吸光率等。預測微生物學研究者提出了不少用于描述微生物動力學生長的初級模型，主要包括:Gompertz函數、指數函數、線形模型(Linear model)、熱致死D值、修正的monod模型、邏輯斯蒂克函數(Logistic function)等。在眾多的初級微生物生長動力學模型中，Gompertz模型、Logistic模型和Baranyi＆Roberts模型［13－18］等由于較好的擬合度被廣泛的應用。

2．1．1 Gompertz函數

美國農業部開發的病原菌模型程序PMP(Pathogen Modeling Program)和英國農糧漁部開發的食品微型模型FM(Food Micromodel)都是以Gompertz函數作為初級模型。Gompertz函數為［13，18］:

式中:A=ln(Nmax/N0)，μm為最大生長速率，λ微生物生長延滯期，N0為微生物初始數量，Nmax為最大微生物數量(微生物穩定期數量)，Nt為時間t時的微生物數量，t為時間。

目前，應用Gompterz函數作為描述細菌生長的動力學模型時，其公式變換后多采用如下形式:

式中參數同(1)。

2．2．2 Baranyi＆Roberts模型

Baranyi和Roberts［14］的生長模型也能較好的模擬某些微生物的生長，該模型如下:

式中:m為在指數期之后的Richards曲線參數(規定m=1);y0為在t=0時的菌落直徑/mm;μmax為菌落最大生長速率/mm/d;ymax為最大菌落直徑/mm;λ為遲滯期/d;v為酶促反應速度;t為時間。

在凍生蝦仁［19］、醬牛肉［20］、牛乳［21－22］、模擬蟹肉［23］等樣品中均利用Gompterz函數進行了模擬研究。Juneja等［24］分別用Gompertz模型、Baranyi＆Roberts模型和Logistic模型對雞肉中沙門氏菌生長情況進行了模擬，認為Gompertz模型和Baranyi＆Roberts模型要明顯優于Logistic模型，這與Liao等［18］在胡蘿卜汁中模擬沙門菌的研究結論一致。

2．3 二級模型

二級模型則描述初級模型響應隨環境因子，如溫度、水分活度、溶氧的變化規律，即表述微生物生長特征參數(最大生長特征速度、延遲期、細菌最大濃度等)如何隨各環境因素(溫度、水分活度、pH值和防腐劑的濃度)的變化而變化。目前二級模型的研究熱點主要包括:響應面方程(Response surface equation)、Arrhenius/Davey關系式和Ratkowsky模型(平方根方程square root model)。

2．3．1 響應面方程

響應面方程是一種多項式回歸方程，它可以是線性的、二次的、立方的方程。響應面方程作為二級動力學模型多與初級模型中的Gompertz方程聯用，

式中:μm為比生長速率;T為微生物生長所處溫度;pH為微生物生長所處pH值;Aw為微生物生長所處水分活度;a、b、c、d、e、f、g、h、i、j、p為模型參數。

響應面方程的準確程度依賴大量的試驗樣本［27－28］。在一些研究中，響應面方程得到了比較成功的應用［21，25，29－31］。

2．3．2 Ratkowsky模型

經典的Ratkowsky方程可以用來描述最大生長速率和遲滯期隨溫度變化的函數線性關系，具體公式如下:Gompertz方程中的參數λ和μm的計算可以由響應面方程得到［15，25－26］。

一個典型的考慮3種主要環境因子的多元二次響應面方程如下［25－26］:

式中:μm為比生長速率;T為建模溫度/℃;Tmin，μ和Tmin，λ分別為對應與 μm和 λ 的目的菌最小生長溫度;a、b為模型常數;Tmin，μ是一個假設性的概念，指的是微生物在沒有代謝活動時的溫度，即在此溫度時最大比生長速率為零。

“平方根”方程的研究和使用都很廣泛，許多研究報告表明，評價不同的恒定貯藏溫度對于食品或模擬系統中的多種微生物生長的影響，Ratkowsky的經驗方程都是有效的［19，32－38］。其最大的優點是簡單，無論是模型的建立還是模型的使用。

基于Ratkowsky方程，其他變量對比生長速率的影響也被引入了進來［26，38］，具體公式如下:

式中:μ為微生物的比生長速率;pH為微生物生長所處pH值;aw為微生物生長所處的水分活度;T為微生物生長所處溫度。

2．4 三級模型

三級模型通過電腦軟件把一個或多個初級和二級模型結合在起來，給出的一個模型系統，建立用戶友好界面［16－17］，它具有根據環境因子的變化預測微生物生長的改變等功能。

病原體模型程序(pathogen modelling program，PMP)由美國農業部微生物食品安全研究機構開發。PMP預測模擬不同環境下各種微生物的生長、死亡和殘存過程。該專家系統包括了多種重要的食源性病原菌的生長、失活、殘存、產毒、冷卻、輻射等38個預報模型，每個預報模型包括溫度、pH、Aw、添加劑等影響因子［39－40］。

Sym’Previus是由法國農業研究部建立的食品安全方面的決策工具，是一個可以對模型輸出結果進行綜合分析和總結的專家系統，其目的是為管理人員提供質量研究和開發的決策。Sym’Previus涉及食品安全管理和食源性病菌的行為預測，食品工業專業人士可以通過準入數據庫和模擬系統進行使用［41］。

ComBase(微生物預測公共數據庫)是由英國食品標準和食品研究協會，美國農業部農業研究服務機構和下屬的東部地區研究中心，以及澳大利亞食品安全中心聯合開發的。ComBase建立的目的是通過網絡提供微生物在食品環境中的響應預測，是目前世界上最全面的預測微生物學信息庫，而且還在不斷完善中。ComBase整合了多種三級模型的數據，將各自分開研究的科學家聯系到了一起，更有效地使用了人力物力，也體現了當今全球一體化和科學開放性的特點［42］。

3 儲糧中主要有害霉菌的模型模擬

對儲糧危害最為嚴重的霉菌主要有曲霉菌、青霉菌和鐮孢菌屬。

就儲糧而言，曲霉類中人們比較關注的主要是黃曲霉(A．flavus)、寄生曲霉(A．parasiticus)和昆蟲曲霉(A．nominus)。這些菌株是產生一類次生代謝物質——黃曲霉毒素(Aflatoxins)的主要產生菌。黃曲霉毒素雖然有近20種相關的代謝產物，但是在污染的食品以及飼料中，通常只有黃曲霉毒素B1，B2，G1，G2和M1被發現有較高的含量存在［43］。黃曲霉毒素B1已經被證實是已知自然界中最強的可產生致癌、致畸、致突變等嚴重危害的物質［44］。基于黃曲霉(A．flavus)能夠產生毒素這一事實，黃曲霉是科學領域中研究最廣泛也最為關注的真菌菌種之一。至今已經發表了一些研究黃曲霉生長及其毒素產生的影響因素(包括生物的以及非生物的因素)的文章［45－48］。

針對曲霉生長或者毒素產生的影響因素(生物的和非生物的)，進行模型模擬研究的文章還較少發現。部分原因是由于一些內在的不同情況，如霉菌生長速率的評估和充分的、適宜的、可重復的數據的收集等［49－50］。Marin等［45］利用修正的Gompertz模型，在玉米提取液培養基上，研究模擬了水分活度和溫度對一些曲霉菌種的遲滯期和代時的影響。Sautour等［46，51］利用PDA(potato dextrose agar)培養基，對幾種霉菌的生長和水分活度之間的關系進行了模型模擬研究，并評估了其最低水分活度、最適水分活度和最大水分活度。李瑞芳等［52］利用PDA培養基對影響黃曲霉生長的因素進行了模擬研究，并探討了其在玉米貯藏中的應用。

對青霉菌進行模擬研究的報道較少，Baert等［53］以貯藏蘋果為介質，模擬了Penicillium expansum部分菌株在不同溫度下的生長情況。鐮孢菌屬(Fusarium)成員已被視為世界范圍內主要的農業問題和重要的病原真菌［54－55］。迄今涉及鐮孢菌的文獻報道主要是有關其生長及產生毒素的各種環境因素的研究［56－58］。模擬鐮孢菌生長的研究文獻報道較少，Marin等［59］用修正的Gompertz方程模擬研究了一些鐮孢菌菌株的生長情況。

4 結語

開展預測微生物學的理論及應用研究是國內外的一個熱點，應用預測微生物學方法，研究影響儲糧和飼料品質的霉菌的消長規律，構建預測儲糧或飼料中霉變過程的模型，從而實現對儲糧品質的評估和貯藏期的預測，為實現“生態儲糧”奠定重要的理論和實際應用基礎，為指導儲糧和飼料安全貯藏提供了一種新的方法和思路，這具有重要的理論和應用價值，尤其在最近國內某品牌牛奶中被檢出黃曲霉毒素超標的安全事故發生之下，更具有現實意義，也對以后研究其他食品安全和評估，提供了一個借鑒。

目前國內外開展關于預測微生物學的理論基礎及應用研究也有一些問題需要解決。比如微生物建模的實驗數據直接采用實物作為微生物培養基質為宜，但同時增加了微生物及代謝產物的檢測難度，另外建模過程中獲取大量實驗數據也是十分繁瑣的工作，亟需發展和應用微生物快速檢測技術去解決這一問題。

［1］黃淑霞，蔡靜平，田海娟．主要糧食品種儲藏期間霉菌活動特性研究［J］．中國糧油學報，2010，25(1):99－102

［2］徐鎧煜，伍松陵，宋慧．復配型防霉劑對十種糧食霉菌抑制效果評價［J］．中國糧油學報，2010，25(3):98－101

［3］蔡靜平．糧油食品微生物學［M］．北京:中國輕工業出版社，2002

［4］Dalgaard P．Qualitative and quantitative characterization of spoilage bacteria from packed fish［J］．International Journal of Food Microbiology，1995，26:319－333

［5］Huis in＇t Veld J H．Microbial and biochemical spoilage of foods:an overview［J］．International Journal of Food Microbiology，1996，33(1):1－18

［6］Pitt JI．Toxigenic fungi and mycotoxins［J］．British Medical Bulletin，2000，56(1):184－192

［7］Norton R A．Inhibition of aflatoxin B1 biosynthesis in Aspergillus flavus by anthocyanidins and related flavonoids［J］．Journal of Agricultural and Food Chemistry，1999，47(3):1230－1235

［8］梁志宏．糧食中赭曲霉毒素A的檢測及產毒素菌株的分析與研究［D］．北京:中國農業大學，2008

［9］Walls I，Scott V N．Use of predictive microbiology in microbial food safety risk assessment Inhibition of aflatoxin B1 biosynthesis in Aspergillus flavus by anthocyanidins and related flavonoids［J］．International Journal of Food Microbiology，1997，36:97－102

［10］McMeekin T A，Olley J，Ratkowsky D A，et al．Predictive microbiology:towards the interface and beyond［J］．International Journal of Food Microbiology，2002，73:395－407

［11］McMeekin T A，Baranyi J，Bowman J，et al．Information systems in food safety management［J］．International Journal of Food Microbiology，2006，113:181－194

［12］Whiting R C，Buchanan R L．A classification of models for predictive microbiology［J］．Food Microbiology，1993，10:175－177

［13］Xiong R，Xie G，Edmondson A S，et al．Comparison of the Baranyi model with the modified Gompertz equation for modelling thermal inactivation of Listeria monocytogenes［J］．Food Microbiology，1999，16:269－279

［14］Baranyi J，Roberts T A．A dynamic approach to predicting bacterial growth in food［J］．International Journal of Food Microbiology，1994，23:277－294

［15］李柏林，郭劍飛，歐杰．預測微生物學數學建模的方法構建［J］．食品科學，2004，25(11):52－57

［16］McDonald K，Sun D W．Predictive food microbiology for the meat industry:a review ［J］．International Journal of Food Microbiology，1999，52:1－27

［17］Isabelle L，Andre L．Quantitative prediction of microbial behavior during food processing using an integrated modeling approach:a review［J］．International Journal of Refrigeration，2006，29:968－984

［18］Liao H M，Kong X Z，Zhang ZY，et al．Modeling the inactivation of Salmonella typhimurium by dense phase carbon dioxide in carrot juice［J］．Food Microbiology，2010，27:94－100

［19］黃馳云，雷曉凌，洪鵬志，等．凍生蝦仁金黃色葡萄球菌預測模型的建立及應用［J］．食品工業科技，2011，32(4):81－84

［20］胡潔云，嚴維凌，林露，等．氣調包裝醬牛肉貯藏過程中優勢腐敗菌變化規律和預測模型的初建［J］．食品科學，2010，31(23):142－145

［21］閆軍，遇曉杰，湯巖，等．金黃色葡萄球菌在生乳中生長預測模型的建立［J］．中國食品衛生雜志，2010，22(6):502－505

［22］Fujikawa H，Norozumi S．Modeling Staphylococcus aureus growth and enterotoxin production in milk［J］．Food Microbiology，2006，23(3):260－267

［23］黃和，李文杰，雷曉凌，等．模擬蟹肉中金黃色葡萄球菌生長預測模型的研究［J］．食品科技，2010，35(10):54－57

［24］Juneja V K，Melendres M V，Huang L H，et al．Modeling the effect of temperature on growth of Salmonella in chicken［J］．Food Microbiology，2007，24(4):328－335

［25］Bahk G J，Hong C H，OH D H，et al．Modeling the level of contamination of Staphylococcus aureus in ready－to eat Kimbab in Korea［J］．Journal of Food Protection，2006，69(6):1340－1346

［26］Zwietering M H．Quantification of microbial quality and safety in minimally processed foods［J］．International Dairy Journal，2002，12:263－271

［27］García－Gimeno R M，Hervás－Martínez C，Silóniz I de．Improving artificial neural networks with a pruning methodology and generic algorithms for their application in microbial growth prediction in food［J］．International Journal of Food Microbiology，2002，72:19－30

［28］Zurera－Cosano G，Garcia－Gimeno R M，Rodriguez－perez R，et al．Performance of response surface model for prediction of Leuconostoc Mesenteroides growth parameters under different experimental conditions［J］．Food Control，2006，17(6):429－438

［29］Oscar T P．Response surface models for effects of temperature，pH，and previous growth pH on growth kinetics of Salmonella typhimurium in brain heart infusion broth［J］．Journal of Food Protection，1998，62:106－111

［30］Juneja V K，Marmer B S，Eblen B S．Predictive model for the combined effect of temperature，pH，sodium chloride and sodium pyrophosphate on the heat resistance of Escherichia coli O157:H7［J］．Journal of Food Safety，1999，19:147－160

［31］Olmez H K，Aran N．Modeling the growth kinetics of Bacillus cereus as a function of temperature，pH，sodium lactate and sodium chloride concentrations［J］．International Journal of Food Microbiology，2005，98(2):135－143

［32］Ratkowsky D A，Olley J，McMeekin T A，et al．Relationship between temperature and growth rate of bacterial cultures［J］．Journal of Bacteriology，1982，149:1－5

［33］Ratkowsky D A，Lowry R K，McMeekin T A，et al．Model for bacterial culture growth rate throughout the entire biokinetic temperature range［J］．Journal of Bacteriology，1983，154:1222－1226

［34］AdairC，Kilsby D C，Whittall P T．Comparison of the Schoolfield(non－linear Arrhenius)model and the square root model for predicting bacterial growths in foods［J］．Food Microbiology，1989，6:7－18

［35］Davey K R．A predictive model for combined temperature and water activity on microbial growth during the growth phase［J］．Journal of Application Bacteriology，1989，67:483－488

［36］Davey K R．Applicability of the Davey linear Arrhenius predictive model to the lag phase of microbial growth［J］．Journal of Application Bacteriology，1991，70:253－257

［37］Zwietering M H，Rombouts F M．Some aspects of modeling microbial quality of food［J］．Food Control，1993，4:89－96

［38］Greer G G，Gill C O，Dilts B D．Evaluation of the bacteriological consequences of the temperature regimes experienced by fresh chilled meat during retail display［J］．International Food Research，1994，27:371－377

［39］Tamplin M，Baranyi J，Paoli G．Modeling Microbial Responses in Foods［M］．Boca Raton:CRCPress LLC，2004，233－242

［40］Buchanan R L．Using spreadsheet software for predictive applications［J］．Journal of Food Safety，1991，11:123－124

［41］Leporqa B，Membre JM，Dervinb C，et al．The“Sym’Previus”software，a tool to support decisions to the foodstuff safety［J］．International Journal of Food Microbiology，2005，100(1/3):231－237

［42］Koseki S．Microbial Responses Viewer(MRV):A new Com-Base derived database of microbial responses to food environments［J］．International Journal of Food Microbiology，2009，134(1/2):75－82

［43］Sweeney M J，Dobson A D W．Mycotoxin production by Aspergillus，Fusarium and Penicillium species［J］．International Journal of Food Microbiology，1998，43:141－158

［44］Creppy E E．Update of survey，regulation and toxic effects of mycotoxins in Europe［J］．Toxicology Letters，2002，127(1－3):19－28

［45］Marin S，Sanchis V，Sa'enz A J，et al．Ecological determinants for germination and growth of some Aspergillus and Penicillium spp．from corn grain［J］．Journal of Applied Microbiology，1998，84(1):25－36

［46］Sautour M，Dantigny P，Divies C，et al．A temperature－type model for describing the relationship between fungal growth and water activity［J］．International Journal of Food Microbi-ology，2001，67:63－69

［47］Sautour M，Soares Mansur C，Divies C，et al．Comparison of the effects of temperature and water activity on growth rate of food spoilage moulds［J］．Journal of Industrial Microbiology Biotechnology，2002，28(6):311－316

［48］Samapundo S，Devlieghere F，Geeraerd A H，et al．Modeling of the individual and combined effects of water activity and temperature on the radial growth of Aspergillus flavus and A．parasiticus on corn［J］．Food Microbiology，2007，24:517－529

［49］Gibson A M，Baranyi J，Pitt J I，et al．Predicting fungal growth:the effects of water activity on Aspergillus flavus and related species［J］．International Journal of Food Microbiology，1994，23:419－431

［50］Gibson A M，Hocking A D．Advances in the predictive modelling of fungal growth in food［J］．Trends in Food Science＆Technology，1997，8(11):353－358

［51］Sautour M，Rouget A，Dantigny P，et al．Application of Doehlert design to determine the combined effects of temperature，water activity and pH on conidial germination of Penicillium chrysogenum［J］．Journal of Applied Microbiology，2001，91:900－906

［52］李瑞芳，韓北忠，陳晶瑜，等．黃曲霉生長預測模型的建立及其在玉米儲藏中的應用［J］．中國糧油學報，2008，23(3):144－147

［53］Baert K，Valero A，De Meulenaer B．Modeling the effect of temperature on the growth rate and lag phase of Penicillium expansum in apples［J］．International Journal of Food Microbiology，2007，118(2):139－150

［54］Doko M B，Canet C，Brown N，et al．Natural co－occurrence of fumonisins and zearalenone in cereals and cereal based foods from eastern and southern Africa［J］．Journal of Agricultural and Food Chemistry，1996，44:3240－3243

［55］Nelson P E，Toussoun T A，Marasas W F O．Fusarium species:an illustrated manual for identification［M］．University Park:Pennsylvania State University Press，1983，5－18，47－48，128－132

［56］Chulze SN，Etcheverry M G，Lecumberry SE，et al．Fumonisin production on irradiated corn kernels:effect of inoculum size［J］．Journal of Food Protection，1999，62(7):814－817

［57］Velluti A，Marin S，Bettuci L，et al．The effect of fungal competition on colonization of maize grain by F．moniliforme，F．proliferatum and F．graminearium on fumonisin B1 and zearalenone formation［J］．International Journal of Food Microbiology，2000，59:59－66

［58］Ono E Y S，Sasaki E Y，Hashimota E H，et al．Post－harvest storage of corn:effects of beginning moisture content on mycoflora and fumonisin contamination［J］．Food Additives and Contaminants，2002，19:1081－1090

［59］Marin S，SanchisV，Teixido A，et al．Water and temperature relations and microconidial germination of Fusarium moniliforme and F．proliferatum from maize［J］．Canadian Journal of Food Microbiology，1996，42(10):1045－1050．

Research Progress in Predictive Microbiology Models of Stored Grain

Yue Xiaoyu1，2Zhang Hengye1Xin Ting1Li Xin1Liu Xiangdong2Niu Tiangui2
(Department of Quality Detection and Management，Zhengzhou College of Animal Husbandry Engineering1，Zhengzhou 450011)
(College of Food Science and Nutritional Engineering，China Agricultural University2，Beijing 100083)

The safety of the grain storage related to food safety and human health．According to the predictive microbiology，the microorganism＇s growth in stored grain can be fast judgment in advance by construction of predictive microbiology model．It plays an important part in controlling the growth of pathogen and the spoilage microorganism in stored grain．It is of important theoretical and practical application value to realize the"ecological storage of grain"and ensure the security of the grain storage．This paper provides a review on the microbes of grain storage．According to different mathematical model，this paper reviews the primary，secondary and tertiary model．Besides，and the research progress of the main harmful mold simulation in grain storage was discussed．

stored grain，predictive microbiology，model，reviews

Q939．9

A

1003－0174(2012)05－0118－06

河南省重點科技發展計劃(112102110034);河南省教育廳自然科學研究計劃(2011A550014)，鄭州牧專博士科研啟動資金(5040190)

2011－08－08

岳曉禹，男，1974年出生，副教授，博士，食品微生物