Arquivos microbiologia preditiva

5 min leitura

O potencial da Microbiologia Preditiva na segurança dos alimentos

5 min leitura

A Microbiologia Preditiva é um ramo da microbiologia que utiliza modelos matemáticos e estatísticos para prever o comportamento de microrganismos em diferentes condições ambientais.

Essa abordagem permite estimar o crescimento, inatividade e sobrevivência de microrganismos em alimentos, produtos farmacêuticos e em outros ambientes controlados. Por este motivo, tem relevante importância para a segurança dos alimentos.

A microbiologia preditiva começou a ganhar destaque nas décadas de 1980 e 1990, quando avanços na computação e na modelagem matemática possibilitaram previsões mais precisas sobre a dinâmica dos microrganismos.

Um dos marcos foi o desenvolvimento de modelos matemáticos de crescimento bacteriano, como os modelos de Gompertz e Baranyi, que ajudaram a prever o comportamento de microrganismos patogênicos e deteriorantes em alimentos.

Modelo de Gompertz: baseado em uma curva sigmoide, descreve a fase de adaptação, crescimento exponencial e fase estacionária de uma população microbiana. É popular por sua simplicidade e boa adaptação a dados experimentais;

Modelo de Baranyi: também representa o crescimento sigmoidal, mas inclui um fator de atraso metabólico, que melhora a precisão na previsão da fase de adaptação dos microrganismos. Ele é mais flexível e frequentemente usado para simulações mais detalhadas.

Ambos os modelos são fundamentais para prever o comportamento de microrganismos em alimentos e otimizar estratégias de controle microbiológico na indústria alimentícia.

Curva típica de crescimento microbiológico.

A microbiologia preditiva tem aplicações em diversos setores, incluindo:

Indústria de alimentos: Utilizada para prever a segurança microbiológica dos alimentos, prevenindo contaminações por patógenos como Salmonella, Listeria monocytogenes e Escherichia coli;
Farmacêutico e cosmético: Aplicada na avaliação da estabilidade microbiológica de fármacos e produtos de cuidados pessoais;
Saúde pública: Auxilia a previsão de surtos de doenças transmitidas por alimentos e a avaliação de riscos microbiológicos em ambientes hospitalares;
Controle de qualidade: Empresas utilizam modelos preditivos para reduzir desperdício e otimizar prazos de validade de produtos perecíveis.

A lógica e o conceito intrínseco da microbiologia preditiva, por si sós, são muito relevantes para a ciência da segurança dos alimentos. Além disso, um futuro brilhante já pode ser vislumbrado, pois com o avanço das tecnologias emergentes associadas com o que vem sendo chamado de 4ª Revolução Industrial, como IA (Inteligência Artificial), IoT (Internet das Coisas), Big Data etc., serão possíveis soluções cada vez mais eficientes para prevenção de riscos microbiológicos e otimização da qualidade dos produtos.

Sinergias que contribuem para o avanço da microbiologia preditiva

Há uma convergência natural de tecnologias com a IA, IoT e a metagenômica com a microbiologia preditiva, o que pode representar um avanço literalmente revolucionário na segurança dos alimentos.

A IA, com sua capacidade de analisar grandes volumes de dados (Big Data), permitirá análises robustas de padrões baseados em microbiologia preditiva, capazes de prever o comportamento de diversos microrganismos em diferentes condições ambientais, antecipando com muita precisão riscos microbiológicos.

Integrada à IoT, a IA se torna ainda mais poderosa, pois sensores distribuídos ao longo da cadeia produtiva podem coletar, em tempo real, dados essenciais como temperatura, umidade e até mesmo a presença de contaminantes.

A IA processa essas informações coletadas pela IoT e com base nos modelos da microbiologia preditiva, possibilita ajustes imediatos para evitar falhas e contaminações, ou alertar, quando variáveis operacionais não puderem ser ajustadas a tempo, para que produtos em situação de risco sejam retidos para uma destinação adequada posterior.

Além disso, a metagenômica fortalece essa abordagem ao permitir a identificação precisa e rápida da microbiota diretamente de amostras ambientais, sem a necessidade de cultivo em laboratório. Com isso, possibilita uma detecção rápida de patógenos em produtos, ambientes industriais e superfícies de contato, garantindo um controle microbiológico rápido e preciso.

A metagenômica é uma tecnologia surpreendente, que combina o sequenciamento de alta capacidade com bancos de dados genômicos abrangentes (Big Data) e algoritmos de análise avançados (IA), resultando na identificação precisa e específica de cepas microbianas, mesmo aquelas difíceis de cultivar ou que estão em baixas concentrações nas amostras.

O processo começa com a coleta de amostras, extração do DNA, sequenciamento via Next-Generation Sequencing (NGS), no qual ao invés de isolar uma única espécie, sequenciam-se todos os fragmentos de DNA presentes na amostra, criando um “mapa” genético completo da comunidade microbiana. Após o sequenciamento, as sequências de DNA são demonstradas e montadas para reconstruir os genomas dos microrganismos presentes na amostra.

Contudo, a metagenômica vai além da identificação das espécies. Ela também pode identificar variações genéticas dentro de uma espécie. Por exemplo, ao comparar as sequências de DNA com bancos de dados de genomas de microrganismos conhecidos, é possível identificar não só a espécie, mas também cepas específicas de bactérias ou vírus, que podem ter características particulares como resistência a antibióticos ou capacidade de causar doenças.

Além da identificação das cepas, a metagenômica pode fornecer informações sobre as funções metabólicas e as interações entre os microrganismos, o que ajuda a entender melhor como esses organismos atuam no ambiente ou no hospedeiro.

A sinergia entre essas tecnologias não apenas aprimora a segurança dos alimentos, mas também otimiza processos, reduz desperdícios e eleva os padrões de qualidade na indústria alimentícia.

Países que lideram as pesquisas em microbiologia preditiva

Estados Unidos: Com instituições como a FDA (Food and Drug Administration) e o USDA (United States Department of Agriculture), investem na modelagem microbiológica para segurança alimentar;
Reino Unido: Pesquisadores da Universidade de Cambridge e do Instituto de Pesquisa de Alimentos desenvolvem modelos avançados para previsão microbiológica;
França: O Instituto Nacional de Pesquisa para Agricultura, Alimentos e Meio Ambiente (INRAE) realiza estudos sobre segurança alimentar e microbiologia preditiva;
Alemanha: A Fraunhofer-Gesellschaft investe em pesquisas sobre análise microbiológica e segurança dos alimentos;
Brasil: Universidades como a USP e a UNICAMP desenvolvem pesquisas aplicadas à indústria alimentícia e saúde pública.

Empresas que aplicam microbiologia preditiva

Várias empresas utilizam a microbiologia preditiva para otimizar processos e garantir a segurança dos produtos:

Nestlé: Emprega modelagem preditiva para monitoramento da qualidade microbiológica dos alimentos;
Danone: Utiliza técnicas preditivas para garantir a segurança de produtos lácteos;
Tyson Foods: Aplica microbiologia preditiva para reduzir riscos microbiológicos em produtos de carne;
IBM: Desenvolveu soluções de IA para prever contaminação microbiológica em cadeias de suprimentos;
3M: Oferece kits e softwares de análise preditiva para monitoramento microbiológico em tempo real.

A conclusão é que o futuro da microbiologia preditiva está fortemente ligado à integração com tecnologias avançadas, como Inteligência Artificial (IA), Internet das Coisas (IoT), metagenômica e Big Data, permitindo análises mais precisas e em tempo real.

O desenvolvimento de modelos preditivos mais sofisticados, capazes de considerar múltiplos fatores ambientais e genômicos, tornará as previsões microbiológicas ainda mais precisas, rápidas e confiáveis.

Além disso, espera-se uma automação crescente no monitoramento da segurança dos alimentos, com sensores inteligentes conectados a sistemas de IA que detectam riscos e previnem contaminações instantaneamente, com tomadas de decisão autônomas.

O futuro chegou, mas claro, algumas empresas sairão na frente e outras vão demorar um pouco mais. No entanto, com o avanço das tecnologias e de seu uso mais corriqueiro, os custos vão reduzindo e mais empresas terão acesso. Em alguns anos, certamente, mais empresas poderão empregar estas tecnologias, beneficiando diversos stakeholders da cadeia produtiva, e claro, com impacto muito positivo nas questões de saúde pública.

Leia também:

5 min leituraA Microbiologia Preditiva é um ramo da microbiologia que utiliza modelos matemáticos e estatísticos para prever o comportamento de microrganismos em diferentes condições ambientais. Essa abordagem permite estimar o crescimento, […]

Marco Túlio Bertolino

15 de abril de 202513 de abril de 2025

Perigos biológicos

5 min leitura

6 min leitura

Como tornar a avaliação preditiva de risco microbiológico uma realidade na indústria?

6 min leitura

Você já se perguntou como a indústria de alimentos pode antecipar riscos microbiológicos e garantir a segurança dos produtos que chegam à mesa dos consumidores?

No contexto industrial, o termo “risco” pode ser utilizado num sentido mais amplo, abrangendo não só questões de segurança de alimentos, mas também questões de qualidade dos alimentos (uma vez que a qualidade pode ser alterada pela deterioração microbiana). Esses riscos são causados por perigos, que normalmente são abordados em sistemas básicos de controle de qualidade, como APPCC (Análise de Perigos e Pontos Críticos de Controle) e BPF (Boas Práticas de Fabricação), por exemplo.

Além desses sistemas, ao longo dos anos as indústrias têm colocado em prática as tecnologias da Qualidade 4.0, que têm o potencial de revolucionar a forma como os alimentos são produzidos, processados e distribuídos. Os recursos da era digital e da análise de dados são a base para uma gestão de qualidade eficiente. A partir deles, as indústrias passam a tomar decisões mais assertivas, com base em dados oriundos da própria planta de processamento e dos desafios encontrados diariamente na produção.

Dentro deste contexto surgem novas abordagens para o monitoramento microbiológico preventivo, como o uso de biologia molecular, que a partir do sequenciamento de DNA, data science e inteligência artificial, podem identificar micro-organismos preventivamente.

SEQUENCIAMENTO DE DNA E A NOVA ERA DA MICROBIOLOGIA DA INDÚSTRIA DE ALIMENTOS

Agências de saúde no Brasil e no mundo utilizam o sequenciamento de DNA de nova geração no controle de contaminações microbiológicas. Como exemplo, nos EUA o FDA (Food and Drug Administration) e o CDC (Center for Disease Control and Prevention) usam o sequenciamento de DNA para investigação de surtos causados por micro-organismos.

Os testes para identificação de micro-organismos no ambiente de fabricação ou no produto acabado são um passo importante na avaliação e verificação da eficácia de bons controles de fabricação / higiene e de processo.

Quando patógenos, por exemplo, são detectados em produtos acabados, uma etapa fundamental na análise da causa raiz é identificar a fonte de contaminação, ou seja, rastreabilidade de origem. Essas análises pontuais são realizadas normalmente quando o perigo microbiológico já está presente na planta industrial, sendo observados desvios na produção ou no produto final.

Para não atuar na defensiva aos perigos microbiológicos, nos últimos 10 anos é possível perceber que outras tecnologias vêm sendo aplicadas à microbiologia. Nesse cenário, novos horizontes se abriram com o uso da microbiologia preditiva, data science e inteligência artificial. Essas tecnologias, alimentadas com informações microbiológicas e dados relacionados, criam uma nova perspectiva no monitoramento de produtos e processos.

Se normalmente as indústrias utilizam metodologias para identificar micro-organismos potencialmente prejudiciais, aos humanos ou ao produto final, no futuro breve a perspectiva é que essas tecnologias consigam predizer o risco de um processo ou produto ser contaminado por alguma bactéria ou fungo. A partir dessa informação, os responsáveis pelo controle de qualidade poderão tomar uma ação preventiva antes da contaminação, de fato, acontecer.

MICROBIOLOGIA PREDITIVA E A ANÁLISE DE RISCOS

A estrutura de análise de risco, conforme definida pela FAO, OMS e Comissão do Codex Alimentarius (CAC, 1999), consiste em três componentes: avaliação, gerenciamento e comunicação de risco. Cada uma delas contempla várias etapas a serem seguidas antes de se ter certeza dos riscos. No entanto, os dados gerados precisam ser rapidamente interpretados para traçar as ações necessárias em cada etapa da análise dos riscos.

Pensando na integralidade do processo, na automatização dos resultados gerados e na necessidade de avaliação rápida dos resultados, a Neoprospecta possui uma grande iniciativa na área de prevenção de riscos, chamada RIR (Relatório de Indicadores de Riscos) que combina diferentes abordagens como sequenciamento de DNA, cálculos matemáticos, matriz HAZOP, banco de dados de micro-organismos e axiomas microbiológicos.

Utilizando análises de sequenciamento de DNA, é realizada uma avaliação estratégica dos micro-organismos identificados em pontos da planta industrial. Assim, obtém-se um alerta, de forma antecipada, da probabilidade de acontecer um desvio em indicadores como falha em higienização, shelf life, condições higiênico-sanitárias e/ou contaminação por patógenos.

O banco de informações de micro-organismos aliado a cálculos matemáticos preditivos faz com que o RIR apresente métricas dos riscos encontrados na produção, além de diagnosticar os locais que devem ter maior controle, evitando desvios do padrão de qualidade. Padrões estes que são estabelecidos pela legislação ou por procedimentos internos da indústria.

A apresentação do RIR é realizada através de um dashboard. Assim, a partir dos resultados, a alta gestão pode tomar uma ação corretiva em tempo hábil com base em dados reais da indústria.

Gráfico – Indicadores de risco na ferramenta RIR

A implementação dessa ferramenta na indústria permite comparar a eficiência de diferentes medidas de redução de risco e, mais precisamente, de diferentes configurações operacionais, prevendo o seu efeito no resultado final do processo. O RIR torna o uso preditivo de dados microbiológicos uma realidade na indústria, sendo um forte aliado da garantia dos padrões de qualidade dos alimentos.

O RIR, além de ser uma ferramenta de predição de riscos, é uma ferramenta extremamente intuitiva para tomada de decisões, tanto pela alta gestão quanto para todos os seus usuários internos da indústria. Diante dos resultados, o usuário consegue criar planos de ações para solucionar os problemas de formas preventivas ou corretivas, acompanhando todo o progresso das ações, os responsáveis e data de finalização das ações.

Dessa forma, os problemas microbiológicos são resolvidos cada vez mais preventivamente, e com completa compreensão da causa raiz, atuando na fonte do problema e trazendo ganhos de produtividade, redução de retrabalho e redução de custos.

AVALIAÇÃO DE RISCO COMO PADRÃO DE QUALIDADE

Algumas normativas da qualidade já trazem em seu escopo a análise preventiva dos riscos microbiológicos.

A FSSC 22000 (Certificação de Sistema de Segurança de Alimentos), por exemplo, em sua 6ª versão, trouxe alterações e aumento da abrangência de alguns requisitos, incluindo tópicos relacionados à avaliação de risco. A norma deixa explícito, por exemplo, que a organização deverá obter um programa de monitoramento ambiental baseado em risco para os patógenos relevantes, organismos deteriorantes e indicadores.

Mais recentemente, o Ministério da Agricultura, Pecuária e Abastecimento publicou a Portaria SDA Nº 736, de 29 de dezembro de 2022, que aprova os procedimentos para adesão dos abatedouros frigoríficos ao sistema de inspeção post mortem com base em risco, aplicáveis aos frangos de corte. Inicialmente, os frigoríficos que tiverem interesse poderão cadastrar-se no programa do MAPA, mas a partir de 2028 será uma obrigatoriedade o uso de gerenciamento de riscos.

Com a ferramenta de risco da Neoprospecta, as indústrias de alimentos podem explorar as estratégias essenciais para identificar, analisar e mitigar ameaças invisíveis, os tão temidos micro-organismos. Os resultados auxiliam a garantir a excelência da qualidade nas diferentes zonas da produção dos alimentos.

Nós temos a expertise e uma diversidade de soluções moleculares para identificação e rastreabilidade de micro-organismos-alvos para a indústria de alimentos, como por exemplo, bactérias e fungos, sejam eles patógenos ou deteriorantes de alimentos. O conhecimento gerado por nossas soluções direciona a indústria de alimentos a garantir o controle de qualidade e a saudabilidade dos seus alimentos.

Você tem dúvidas de como o sequenciamento de DNA e o uso de dados podem auxiliar na prevenção de micro-organismos? Ou como usar ferramenta preventiva de riscos na sua empresa?

Queremos ouvi-lo, saber quais são as suas dúvidas a respeito do uso da microbiologia preditiva como ferramenta. Entre em contato conosco no +55 48 988154226 ou comercial@neoprospecta.com

Referências

Baert, L.; McClure, P.; Winkler, A.; Karn, J.; Bouwknegt, M.; Klijn, A.; Guidance document on the use of whole genome sequencing (WGS) for source tracking from a food industry perspective. Food Control. Volume 130, December 2021, 108148. Acesso em: https://doi.org/10.1016/j.foodcont.2021.108148

CAC (Comissão do Codex Alimentarius). Princípios e diretrizes para a condução da avaliação de risco microbiológico. CAC/GL 30-1999. Organização para a Alimentação e Agricultura e Organização Mundial da Saúde (FAO e OMS) ( 1999 ). Disponível online: https://www.fao.org/fao-who-codexalimentarius/sh-proxy/en/?lnk=1&url=https%253A%252F%252Fworkspace.fao.org%252Fsites%252Fcodex%252FStandards%252FCXG% 2B30-1999%252FCXG_030e_2014.pdf

Lawson, I.; Crafting the microworld: how Robert Hooke constructed knowledge about small things. The Royal Society. Published:16 December 2015. Acesso em: https://doi.org/10.1098/rsnr.2015.0057

New era of smarter food safety- FDA’s blueprint for the future. Acesso em: https://www.fda.gov/food/new-era-smarter-food-safety/new-era-smarter-food-safety-blueprint

6 min leituraVocê já se perguntou como a indústria de alimentos pode antecipar riscos microbiológicos e garantir a segurança dos produtos que chegam à mesa dos consumidores? No contexto industrial, o termo […]

Patrocinador

12 de dezembro de 202310 de dezembro de 2023

Patrocinador

6 min leitura

3 min leitura

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

3 min leituraNa 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 […]

Susana Elias

13 de maio de 20215 de julho de 2021

Inovações e novidades

3 min leitura

PMP como ferramenta de microbiologia preditiva em alimentos

3 min leitura

Conceitos gerais e algumas aplicações da Microbiologia Preditiva foram abordadas neste post. Relembrando: a Microbiologia Preditiva expressa o comportamento microbiano – tanto de deteriorantes, quanto de patógenos – por meio de modelos matemáticos (fórmulas), levando em consideração os principais fatores para multiplicação, inativação ou sobrevivência desses micro-organismos, como, por exemplo, atividade de água, pH e temperatura.

O fato do desenvolvimento da Microbiologia Preditiva necessitar de conhecimentos em matemática, em informática e em estatística, além da própria microbiologia, acaba afastando muitas pessoas dessa incrível ferramenta. Por isso, hoje, vamos apresentar um software, disponível gratuitamente, fácil de usar e acessível a partir de um simples clique!

Estamos falando do Pathogen Modeling Program (PMP) Online, desenvolvido pelo Departamento de Agricultura e Serviço de Pesquisa Agrícola dos EUA (USDA-ARS), no início dos anos 90. Os tipos de modelos disponíveis são: multiplicação (Growth), sobrevivência (Non-Thermal Inactivation), inativação (Thermal Inactivation) e resfriamento (Cooling). Esses modelos são gerados a partir de meios de cultura e de alimentos específicos (maioria são matrizes cárneas), principalmente envolvendo o comportamento de patógenos. Em toda a previsão que será feita há uma referência dos estudos utilizados para determinar o comportamento microbiano.

Para escolher um modelo adequado à situação para a qual você gostaria de predizer a multiplicação, a inativação ou a sobrevivência de um micro-organismo, primeiramente tente encontrar um modelo que caracterize o desenvolvimento da bactéria no alimento desejado. Considere a microbiota, como por exemplo, o modelo de Multiplicação de Salmonella Typhimurium em carne de frango moída com microbiota (Growth of Salmonella Typhimurium in Ground Chicken with Competitive Microflora). Em muitos casos, você não encontrará um modelo que corresponda exatamente à formulação do seu produto. Assim, é melhor escolher um modelo em meio de cultura (broth culture). Porém, leve em consideração que modelos desenvolvidos em meios de cultura e sem microbiota, geralmente apresentam multiplicação mais rápida dos micro-organismos, quando comparados aos modelos construídos a partir de experimentos realizados em alimentos com microbiota.

Além disso, quando for possível escolher ambientes com ou sem oxigênio, escolha um modelo anaeróbico se o seu produto for embalado a vácuo. Por outro lado, escolha um modelo aeróbio se quiser entender como as bactérias reagirão quando a embalagem for aberta e exposta ao oxigênio. Geralmente, quando as bactérias podem crescer em condições aeróbias ou anaeróbicas, o crescimento é mais rápido em condições aeróbias.

Por fim, após escolher todos os parâmetros para realizar a predição, você só vai precisar clicar no botão Calculate (calcular). O resultado aparecerá em forma de gráfico e de tabela. Também alguns modelos trazem Limites de Confiança Superior (UCL) e Inferior (LCL), que indicam a variação nas previsões com nível de confiança de 95% ou de 99%; por precaução use o UCL. Nos modelos de multiplicação, para obter uma previsão mais segura, escolha a opção “no lag”, ou seja, que não considera a fase lag (tempo necessário para a bactéria se adaptar ao ambiente e começar a se multiplicar).

Todas essas previsões, realizadas usando o PMP, são específicas para as cepas bacterianas e os ambientes usados para gerar os modelos. Assim, não se pode garantir as previsões para outras cepas e outros ambientes, sem que sejam realizados estudos de validação adequados. Além disso, é importante ressaltar que as previsões do comportamento microbiano não são 100% precisas. Variações e incertezas são introduzidas por meio de erros experimentais e ajustes dos modelos primários e secundários. Mesmo assim, a utilização da Microbiologia Preditiva é uma importante estratégia para gestão da segurança de alimentos.

Na parte II desse post apresentaremos o ComBase (https://www.combase.cc/index.php/en/), o software mais usado mundialmente!

Referências

ICMSF(1996) Microorganisms in Foods 5: Characteristics of Microbial Pathogens, Roberts, T. A., Baird-Parker, A. C. and Tompkin, R. B. (eds.), Blackie Academic & Professional, London [ISBN 0 412 47350 X]

Oscar T.P. (2006) Validation of a Tertiary Model for Predicting Variation of Salmonella Typhimurium DT104 (ATCC 700408) Growth from a Low Initial Density on Ground Chicken Breast Meat with a Competitive Microflora. Journal of Food Protection 69(9):2048-2057

Whiting, R. C. 1995. Microbiological modeling. CRC Critical Reviews in Food Science and Nutrition. 35:467-494.

US Department of Agriculture, Agricultural Research Service, Eastern Regional Research Center, Wyndmoor, Pennsylvania, USA. PMP online. www.arserrc.gov/mfs/pathogen.htm.

3 min leituraConceitos gerais e algumas aplicações da Microbiologia Preditiva foram abordadas neste post. Relembrando: a Microbiologia Preditiva expressa o comportamento microbiano – tanto de deteriorantes, quanto de patógenos – por meio […]

Susana Elias

3 de maio de 20215 de julho de 2021

Perigos biológicos

3 min leitura

Microbiologia Preditiva: Conceitos e aplicação em produtos lácteos

3 min leitura

A microbiologia preditiva é uma área da microbiologia que utiliza modelos matemáticos baseados em dados experimentais tais como atividade de água, pH, temperatura, entre outros, para modelar as curvas de crescimento ou diminuição de concentração dos micro-organismos em determinado alimento. Dessa forma, ela permite prever o comportamento dos micro-organismos no alimento durante a sua vida de prateleira comercial, ou ainda o melhor tratamento do alimento para garantir sua segurança.

Existem três tipos de modelos preditivos: o modelo primário, que gera curvas (de temperaturas diferentes) em um gráfico de concentração do micro-organismo (UFC/mL) por tempo (minutos), sem levar em consideração as variáveis do ambiente; o modelo secundário, que explica como a curva do gráfico primário varia conforme os diferentes ambientes podem se alterar, tais como pH, temperatura, etc., pois as atividades metabólicas dos micro-organismos podem acelerar ou desacelerar conforme aumentam ou diminuem algumas dessas variáveis, e os valores podem ser verificados experimentalmente; e o modelo terciário, que pode combinar os dois primeiros, utilizando softwares para calcular como o micro-organismo se comportará, visando a predição de seu comportamento conforme as mudanças dos fatores externos, utilizando as equações do primário e do secundário e calculando as suas probabilidades de adequação.

Ao se analisar os diferentes modelos preditivos para um conjunto de dados de decaimento microbiano em uma matriz láctea, pode-se verificar principalmente qual é o modelo que tem o maior valor de R2 (coeficiente de ajuste, que varia de 0 a 1, indicando percentualmente o quanto os dados obtidos correspondem ao modelo), pois quanto mais próximo este coeficiente estiver de 1 significa que os dados obtidos estarão mais ajustados ao modelo de decaimento do micro-organismo frente às condições impostas pelo tratamento. Também são utilizados o fator bias (que representa o quanto os valores preditos estão na região segura ou insegura da predição) e o fator exatidão (que indica a precisão dos valores preditos em relação aos encontrados experimentalmente).

Ainda na década de 80, foram criados os primeiros softwares para modelagem preditiva de micro-organismos em alimentos. Com relação aos produtos lácteos, existe um de microbiologia preditiva próprio para se avaliar quantitativamente o risco biológico em produtos lácteos, o Dairy Products Safety Predictor, onde se pode especificar o produto lácteo e o micro-organismo estudado, simulando distintos cenários. A partir disto, pode-se obter uma estimativa do risco à saúde humana proveniente de uma possível infecção, toxi-infecção ou intoxicação alimentar. O uso da microbiologia preditiva no processamento de produtos lácteos tem sido relatado com êxito em vários exemplos na literatura científica, o que demonstra sua utilidade e aptidão para atender os anseios da indústria de leite e derivados.

O consumo de leite e derivados encontra-se em crescimento no Brasil e no mundo, e por esta razão, a microbiologia preditiva deve ser utilizada sempre para o auxílio nas pesquisas da segurança dessa categoria de produtos. A microbiologia preditiva constitui-se uma das ferramentas mais seguras para se calcular o tempo de prateleira de um alimento, como também para se calcular as melhores formas de inibir o crescimento de patógenos, garantindo assim a segurança do alimento, embora ainda não se consiga prever todas as suas variáveis, como por exemplo, a interação com outros micro-organismos. Novos estudos devem ser realizados para o aperfeiçoamento dos modelos preditivos já existentes.

Referências

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

Cruz, A., Oliveira, C., Corassin, C. H., & Sá, P. (2018). Microbiologia, Higiene e Controle de Qualidade no Processamento de Leite e Derivados. Rio de Janeiro: Elsevier. 356 pp.

Geeraerd, A. H., Valdramidis, V. P., & Van Impe, J. F. (2005). GInaFiT, a freeware tool to assess non-log-linear microbial survivor curves. International Journal of Food Microbiology, 102, 95-105.

Melo, E. S. de, Amorim, W. R. de, Pinheiro, R. E. E., Nascimento Corrêa, P. G. do, Carvalho, S. M. R. de, Santos, A. R. S. S., … & Sousa, F. V. de (2018). Doenças transmitidas por alimentos e principais agentes bacterianos envolvidos em surtos no Brasil. PUBVET, 12, 131.

Oliveira, R. B., Baptista, R. C., Chincha, A. A., Conceição, D. A., Nascimento, J. S., Costa, L. E., … & Sant’Ana, A. S. (2018). Thermal inactivation kinetics of Paenibacillus sanguinis 2301083PRC and Clostridium sporogenes JCM1416MGA in full and low fat “requeijão cremoso”. Food Control, 84, 395-402.

Portela, J. B., Coimbra, P. T., Cappato, L. P., Alvarenga, V. O., Oliveira, R. B. A., Pereira, K. S., Azeredo, D. R. P., Sant’Ana, A. S., Nascimento, J. S., & Cruz, A. G. (2019). Predictive model for inactivation of Salmonella in infant formula during microwave heating processing. Food Control, 104, 308-312.

Schlei, K. P., Reiter, M. G. R., Bertoli, S. L., Licodiedoff, S., de Carvalho, L. F., & de Souza, C. K. (2018). Microbiologia Preditiva: Aspectos Gerais e Tendências. Revista Eletrônica Perspectivas da Ciência e Tecnologia, 10, 52.

Autores: Roberto P. S. Pires (1), Gustavo L. P. A. Ramos (1,2), Janaína S. Nascimento (1), Adriano G. Cruz (1)*

1 Instituto Federal de Educação, Ciência e Tecnologia do Rio de Janeiro (IFRJ), Departamento de Alimentos

2 Universidade Federal Fluminense (UFF), Faculdade de Medicina Veterinária

3 min leituraA microbiologia preditiva é uma área da microbiologia que utiliza modelos matemáticos baseados em dados experimentais tais como atividade de água, pH, temperatura, entre outros, para modelar as curvas de […]

Convidados

7 de outubro de 201913 de janeiro de 2021

Food Safety no Mundo

3 min leitura

microbiologia preditiva

O potencial da Microbiologia Preditiva na segurança dos alimentos

Como tornar a avaliação preditiva de risco microbiológico uma realidade na indústria?

SEQUENCIAMENTO DE DNA E A NOVA ERA DA MICROBIOLOGIA DA INDÚSTRIA DE ALIMENTOS

AVALIAÇÃO DE RISCO COMO PADRÃO DE QUALIDADE

Referências

ComBase como ferramenta de microbiologia preditiva em alimentos – II

PMP como ferramenta de microbiologia preditiva em alimentos

Microbiologia Preditiva: Conceitos e aplicação em produtos lácteos

Autores e seus conteúdos

Conteúdo para segurança de alimentos

Food Safety Brazil Org