ComBase como ferramenta de microbiologia preditiva em alimentos – II

3 min leitura

Na parte I deste post abordamos as funcionalidades do software Pathogen Modeling Program (PMP) Online. Hoje, falaremos do ComBase, o software de Microbiologia Preditiva mais usado mundialmente, são mais de 70.000 usuários ao redor do mundo.

O ComBase, assim como o PMP, está disponível gratuitamente. O acesso é dependente de login, mas o cadastro é bem simples e fácil de fazer. Após realizar a conexão, você poderá acessar um banco de dados com mais de 60.000 registros do comportamento microbiano em ambientes alimentares. Esse software de microbiologia foi lançado em 2003 e graças a doações tanto de dados que descrevem como os micro-organismos se comportam (crescem, sobrevivem ou morrem em meios de cultura e em alimentos), quanto monetárias ele está cada vez mais útil e funcional. Atualmente, ele é administrado pela Universidade da Tasmânia e pelo Departamento de Agricultura dos Estados Unidos – Serviço de Pesquisa Agrícola (USDA-ARS).

A primeira ferramenta disponível do software é o Browser, que realiza a pesquisa em um banco de dados da literatura científica e de diversas instituições que avaliaram o comportamento de micro-organismos deteriorantes e patogênicos em alimentos e em meios de cultura. A busca pode ser feita adicionando-se os campos: Micro-organismo (patógenos, bactérias deteriorantes e bolores e leveduras); Tipo de alimento ou meio de cultura; variadas Condições (exemplos: diferentes concentrações de conservantes, embalados à vácuo e presença de microbiota); várias Propriedades (exemplos: inoculação de esporos, cepas resistentes a antibióticos ou tolerantes a ácidos); Faixas de temperatura, de atividade de água e de pH específicas; por fim, também pode-se restringir a pesquisa por autor.

Já o Broth Models fornece previsões, a partir de modelos matemáticos, baseados em dados selecionados do banco do ComBase, em função de fatores ambientais, como temperatura, pH e atividade de água do meio de cultura. Os tipos de modelos disponíveis são de multiplicação, de inativação térmica e de sobrevivência não-térmica para diversas bactérias, todos baseados em meio de cultura. O resultado da predição, após se completar com os dados desejados de temperatura, pH e atividade de água, será em forma de gráfico e de tabela.

O Food Models permite a predição do comportamento de patógenos nos alimentos. Existem dois modelos disponíveis: Perfringens Predictor prevê a multiplicação de Clostridium perfringens durante o resfriamento de carnes e Salmonella in egg para prever a multiplicação de Salmonella resistente a antibióticos (cepa S. Typhimurium DT104) em produtos líquidos à base de ovos, entre 10 – 42°C.

O DMFit permite que coloquemos nossos dados experimentais de contagens microbianas ao longo do tempo para ajustar esses dados aos modelos de Baranyi e Roberts, trilinear, bifásico ou linear. Após a adição dos dados experimentais, basta clicar no botão FIT e os pontos (contagem microbiana X tempo) serão ajustados aos modelos citados anteriormente. Os resultados são apresentados na forma de gráfico e de tabela. Também pode-se optar por trocar o modelo apresentado e os parâmetros serão recalculados automaticamente.

Em Resources há uma lista bastante útil de outras ferramentas de microbiologia preditiva disponíveis. Finalmente, em Help você pode aprofundar os conhecimentos e sanar dúvidas sobre todas as ferramentas do Combase citadas aqui no post, bem como assistir a tutoriais que explicam o passo a passo do uso do software.

Apesar de poder assustar um pouco no começo, essas ferramentas disponíveis gratuitamente trazem uma interface amigável à microbiologia preditiva.

Agora chega de teoria, acesse os sites do PMP e do ComBase e veja como esses softwares são fáceis de usar e acessíveis a partir de um simples clique!

Referências:

Baranyi J. and Roberts T.A. (1994). A dynamic approach to predicting bacterial growth in food. Int. J. Food Microbiol. 23, 277-294.

Baranyi J. and Tamplin M. (2004). ComBase: A Common Database on Microbial Responses to Food Environments. J. Food Prot. 67(9):1834-1840.

McMeekin J.,  Baranyi J.,  Zwietering M.,  Ross T.,  Dalgard P., Bowman J. and Kirk M. (2005). Information systems in food safety management. Int. J. Food Microbiol. 112, 181–19

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

Todos os textos são assinados e refletem a opinião de seus autores.

lorem

Food Safety Brazil Org

CNPJ: 22.335.091.0001-59

organização sem fins lucrativos

Produzido por AG74
© 2020, Themosaurus Theme
Compartilhar