La microbiologie prévisionnelle

Présentation au sujet: "La microbiologie prévisionnelle"— Transcription de la présentation:

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

2 Responsabilité industrielle
Loi n°93/949 ( 26 Juillet 1993) « les produits….doivent, dans des conditions normales d’utilisation ou dans d’autres conditions raisonnablement prévisibles par le professionnel, présenter la sécurité …. et ne pas atteindre à la santé des personnes » Pour déterminer l’évolution des microorganismes dans les aliments, deux solutions se présentent à l’industriels : - 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 : 4e rencontres Math - Industrie le 4 avril 2006

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

4 La croissance bactérienne
La modélisation s’effectue 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 l’eau - conservateurs Qualités recherchées dans l’élaboration des modèles : - Qualité d’ajustement / indépendance, normalité des résidus… - Interprétabilité des paramètres - Robustesse SMAI : 4e rencontres Math - Industrie le 4 avril 2006

5 Etape 1 : Modélisation primaire
Modélisation de l’évolution de Biomasse au cours du temps : Xmax µmax X0 lag  Modèle de croissance primaire, proposé par Rosso, 1995 SMAI : 4e rencontres Math - Industrie le 4 avril 2006

6 Etape 2 : Modélisation secondaire
Impact de la température sur le taux de croissance µmax : µopt Valeurs cardinales : Tmin - Topt - Tmax Tmin Topt Tmax Taux de croissance de E. coli en fonction de la température Rosso, 1995 : SMAI : 4e rencontres Math - Industrie le 4 avril 2006

7 Etape 2 : Modélisation secondaire
Paramètres caractéristiques de la croissance : Température : - Minimale (Tmin) - Optimale (Topt) - Maximale (Tmax) pH : - Minimal (pHmin) - Optimal (pHopt) Aw : - Minimale (Awmin) - Optimale (Awopt) Inhibiteur : (acide organique) - Concentration minimale inhibitrice (CMI) - Paramètre de forme (a) SMAI : 4e rencontres Math - Industrie le 4 avril 2006

8 gT gpH gaw gAH Etape 2 : Modélisation secondaire
Paramètres caractéristiques de la croissance : Température : - Minimale (Tmin) - Optimale (Topt) - Maximale (Tmax) gT gpH pH : - Minimal (pHmin) - Optimal (pHopt) Paramètres propres au Micro-organismes gaw Aw : - Minimale (Awmin) - Optimale (Awopt) gAH Inhibiteur : (acide organique) - Concentration minimale inhibitrice (CMI) - Paramètre de forme (a) + prise en compte de l’aliment : Paramètre unique µopt SMAI : 4e rencontres Math - Industrie le 4 avril 2006

9 Etape 2 : Modélisation secondaire
Si on considère tous les effets multiplicatifs, alors un modèle global peut s’écrire sous la forme (Zwietering, 1992) : µmax = µopt (T) (aw) (pH) µmax = µopt (T) (aw) µmax = µopt (T) µmax = µopt g(AH) 4 facteurs environnementaux Prise en compte de l’effet matrice SMAI : 4e rencontres Math - Industrie le 4 avril 2006

10 Etape 2 : Modélisation secondaire
Si on considère tous les effets multiplicatifs, alors un modèle global peut s’écrire sous la forme (Zwietering, 1992) : µmax = µopt (T) (aw) (pH) µmax = µopt (T) (aw) µmax = µopt (T) µmax = µopt g(AH) g(AH) g(interaction) Prise en compte des interactions ? - Ré-estimer les paramètres dans les zones d’interactions - Ajouter un module g ne nécessitant pas de paramètres supplémentaires SMAI : 4e rencontres Math - Industrie le 4 avril 2006

11 Prise en compte de l’effet « matrice »
Deux aliments ayant les mêmes caractéristiques T°, pH, aw, AH, ne vont pas forcément induire le même développement microbien. Une multitude de facteurs va intervenir sur la croissance d’un microorganisme, Les facteurs ayant les effets majoritaires sont pris en compte dans les modèles g, Tous les facteurs qui ne sont pas modélisés sont intégrés dans le µopt caractéristique de la matrice alimentaire SMAI : 4e rencontres Math - Industrie le 4 avril 2006

12 Prise en compte de l’effet « matrice »
Comment déterminer le µopt de l’aliment ? Nécessite une cinétique de croissance sur cet aliment Consiste à inoculer un micro-organisme dans l’aliment, puis déterminer le taux de croissance dans des conditions données Courbes de référence : Modèles secondaire : µopt µmax SMAI : 4e rencontres Math - Industrie le 4 avril 2006

13 Intervalles de confiance
Les intervalles de confiance doivent prendre en compte : - La variabilité biologique (entre les souches d’une même espèce) - L’incertitude des modèles Estimation de l’incertitude des paramètres par Bootstrap (souche par souche) : SMAI : 4e rencontres Math - Industrie le 4 avril 2006

14 Intervalles de confiance
Variabilité du paramètre Awmin entre les souches Listeria monocytogenes : SMAI : 4e rencontres Math - Industrie le 4 avril 2006

15 Intervalles de confiance
Hétérogénéité de la variance Modélisation de la variance du modèle SMAI : 4e rencontres Math - Industrie le 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 µmax A partir des vecteurs de paramètres obtenus par Bootstrap 2. Ajout de la variance du modèle SMAI : 4e rencontres Math - Industrie le 4 avril 2006

17 Simulations de croissance
Croissance de Listeria dans du Saumon SMAI : 4e rencontres Math - Industrie le 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 8 j + 2 log en 4,5 j + 2 log en 8 j SMAI : 4e rencontres Math - Industrie le 4 avril 2006

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

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