La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

La microbiologie prévisionnelle Un outil pour Estimer la Durée de Vie des Aliments (DLC) Assurer la qualité jusquà la consommation SMAI : 4 e rencontres.

Présentations similaires


Présentation au sujet: "La microbiologie prévisionnelle Un outil pour Estimer la Durée de Vie des Aliments (DLC) Assurer la qualité jusquà la consommation SMAI : 4 e rencontres."— Transcription de la présentation:

1 La microbiologie prévisionnelle Un outil pour Estimer la Durée de Vie des Aliments (DLC) Assurer la qualité jusquà la consommation SMAI : 4 e rencontres Math - Industriele 4 avril 2006

2 Responsabilité industrielle Loi n°93/949 ( 26 Juillet 1993) –« les produits….doivent, dans des conditions normales dutilisation ou dans dautres conditions raisonnablement prévisibles par le professionnel, présenter la sécurité …. et ne pas atteindre à la santé des personnes » Pour déterminer lévolution des microorganismes dans les aliments, deux solutions se présentent à lindustriels : - les expérimentations microbiologiques. Bonne description du comportement bactérien. Délai important de réponse. Coût élevé, donc peu de conditions de conservation étudiées - la microbiologie prévisionnelle SMAI : 4 e rencontres Math - Industriele 4 avril 2006

3 La croissance bactérienne temps Log du nombre de Microorganismes Principe de base de la microbiologie prévisionnelle : La croissance dune population bactérienne est parfaitement reproductible dans des conditions environnmentales similaires SMAI : 4 e rencontres Math - Industriele 4 avril 2006

4 La croissance bactérienne La modélisation seffectue en 2 étapes : 1. Modélisation primaire Consiste à décrire le nombre de microorganismes en fonction du temps 2. Modélisation secondaire Consiste à décrire les paramètres du modèle primaire en fonction des principaux facteurs environnementaux - Température- pH - activité de leau- conservateurs Qualités recherchées dans lélaboration des modèles : - Qualité dajustement / indépendance, normalité des résidus… - Interprétabilité des paramètres - Robustesse SMAI : 4 e rencontres Math - Industriele 4 avril 2006

5 Etape 1 : Modélisation primaire Modèle de croissance primaire, proposé par Rosso, 1995 X0X0 X max lag µ max Modélisation de lévolution de Biomasse au cours du temps :

6 Etape 2 : Modélisation secondaire Impact de la température sur le taux de croissance µ max : Valeurs cardinales : T min - T opt - T max Taux de croissance de E. coli en fonction de la température T min T opt T max µ opt Rosso, 1995 : SMAI : 4 e rencontres Math - Industriele 4 avril 2006

7 Etape 2 : Modélisation secondaire Paramètres caractéristiques de la croissance : Température :- Minimale (T min ) - Optimale (T opt ) - Maximale (T max ) pH :- Minimal (pH min ) - Optimal (pH opt ) Aw :- Minimale (Aw min ) - Optimale (Aw opt ) Inhibiteur : (acide organique) - Concentration minimale inhibitrice (CMI) - Paramètre de forme ( ) SMAI : 4 e rencontres Math - Industriele 4 avril 2006

8 Etape 2 : Modélisation secondaire Paramètres caractéristiques de la croissance : Température :- Minimale (T min ) - Optimale (T opt ) - Maximale (T max ) pH :- Minimal (pH min ) - Optimal (pH opt ) Aw :- Minimale (Aw min ) - Optimale (Aw opt ) Inhibiteur : (acide organique) - Concentration minimale inhibitrice (CMI) - Paramètre de forme ( ) T pH aw AH + prise en compte de laliment : Paramètre unique µ opt Paramètres propres au Micro-organismes SMAI : 4 e rencontres Math - Industriele 4 avril 2006

9 Etape 2 : Modélisation secondaire Si on considère tous les effets multiplicatifs, alors un modèle global peut sécrire sous la forme (Zwietering, 1992) : µ max = µ opt µ max = µ opt (T) µ max = µ opt (T) (aw) µ max = µ opt (T) (aw) (pH) Prise en compte de leffet matrice 4 facteurs environnementaux (AH) (AH) SMAI : 4 e rencontres Math - Industriele 4 avril 2006

10 Etape 2 : Modélisation secondaire Si on considère tous les effets multiplicatifs, alors un modèle global peut sécrire sous la forme (Zwietering, 1992) : µ max = µ opt µ max = µ opt (T) µ max = µ opt (T) (aw) µ max = µ opt (T) (aw) (pH) (AH) (interaction) (AH) (interaction) (AH) (AH) Prise en compte des interactions ? - Ré-estimer les paramètres dans les zones dinteractions - Ajouter un module ne nécessitant pas de paramètres supplémentaires SMAI : 4 e rencontres Math - Industriele 4 avril 2006

11 Prise en compte de leffet « matrice » Une multitude de facteurs va intervenir sur la croissance dun microorganisme, Les facteurs ayant les effets majoritaires sont pris en compte dans les modèles, Tous les facteurs qui ne sont pas modélisés sont intégrés dans le µ opt caractéristique de la matrice alimentaire Deux aliments ayant les mêmes caractéristiques T°, pH, a w, AH, ne vont pas forcément induire le même développement microbien. SMAI : 4 e rencontres Math - Industriele 4 avril 2006

12 Prise en compte de leffet « matrice » Nécessite une cinétique de croissance sur cet aliment µ max Courbes de référence : Modèles secondaire : Consiste à inoculer un micro-organisme dans laliment, puis déterminer le taux de croissance dans des conditions données Comment déterminer le µ opt de laliment ? µ opt

13 SMAI : 4 e rencontres Math - Industriele 4 avril 2006 Intervalles de confiance Les intervalles de confiance doivent prendre en compte : - La variabilité biologique (entre les souches dune même espèce) - Lincertitude des modèles Estimation de lincertitude des paramètres par Bootstrap (souche par souche) :

14 Intervalles de confiance Variabilité du paramètre Aw min entre les souches Listeria monocytogenes : SMAI : 4 e rencontres Math - Industriele 4 avril 2006

15 Intervalles de confiance Modélisation de la variance du modèleHétérogénéité de la variance SMAI : 4 e rencontres Math - Industriele 4 avril 2006

16 Intervalles de confiance Exemple de simulation de croissance de Listeria monocytogenes 10°C - pH6 - aw 0,99 1. Simulation de 1000 µ max A partir des vecteurs de paramètres obtenus par Bootstrap 2. Ajout de la variance du modèle SMAI : 4 e rencontres Math - Industriele 4 avril 2006

17 Simulations de croissance Croissance de Listeria dans du Saumon SMAI : 4 e rencontres Math - Industriele 4 avril 2006

18 Simulations de croissance Croissance de Listeria dans du Saumon + 2 log en 13 j+ 2 log en 12 j+ 2 log en 8 j + 2 log en 4,5 j+ 2 log en 8 j SMAI : 4 e rencontres Math - Industriele 4 avril 2006

19 Lc.lactis ( )L.innocua ( ) pH ( ) Simulations de croissance Croissance de Listeria dans du lait pendant une fermentation lactique à 30°C SMAI : 4 e rencontres Math - Industriele 4 avril 2006

20 Applications industrielles Tester différents scénario de conservation ou de formulation Aider à loptimisation de la formulation, dun procédé… Prévoir le taux de présence dun micro-organisme à un instant de la vie dun produit (fabrication, conditionnement, distribution, consommation) Quantifier leffet des facteurs (impact dune acidification de 0,5 unité de pH?) Accompagner le développement dun nouveau produit Maitriser le développement bactérien par les « bons » inhibiteurs Apporter des arguments aux clients, aux distributeurs Détermination de la durée de vie dun aliment SMAI : 4 e rencontres Math - Industriele 4 avril 2006


Télécharger ppt "La microbiologie prévisionnelle Un outil pour Estimer la Durée de Vie des Aliments (DLC) Assurer la qualité jusquà la consommation SMAI : 4 e rencontres."

Présentations similaires


Annonces Google