Uma abordagem do uso de microbiologia preditiva para formação de biofilmes
DOI:
https://doi.org/10.33448/rsd-v9i8.5117Palavras-chave:
Análise bibliométrica; Células planctônicas; Células sésseis; Controle de qualidade; Predição microbiana.Resumo
É necessário garantir a qualidade e a segurança dos alimentos durante todas as etapas da produção de alimentos. O grande desafio no setor de alimentos é o controle da multiplicação microbiana, pois os microrganismos estão buscando alternativas, que envolvem o seu desenvolvimento tanto na forma livre quanto em biofilmes, para sobreviver a ataques ambientais. Devido a essa preocupação, os pesquisadores usam novas estratégias para entender a dinâmica do crescimento microbiano. Nesse contexto, a microbiologia preditiva está ganhando espaço na microbiologia de alimentos. O objetivo do estudo foi verificar se os atuais modelos preditivos são adequados para prever também o crescimento de células sésseis além das planctônicas. Realizou-se um levantamento bibliográfico sobre a aplicação da microbiologia preditiva na avaliação do controle de segurança alimentar e concluiu-se que, devido à escassez de estudos, não foi possível afirmar a adequação de modelos terciários no controle de biofilmes durante a produção de alimentos. Destaca-se a necessidade de estudos que possam modelar a formação de biofilme de patógenos sob diferentes fatores ambientais.
Referências
Akkermans, S., &Impe, J. F. V. (2018). Mechanistic modelling of the inhibitory effect of pH on microbial growth. Food Microbiology, 72, 214-219.
Akkermans, S., Jaskula-Goiris, B., Logist, F., &Impe, J. F. V. (2018). Including experimental uncertainty on the independent variables when modelling microbial dynamics: The combined effect of pH and acetic acid on the growth rate of E. coli K12. Journal of Microbiological Methods, 149, 20-28.
Baka, M., Verheyen, D., Cornette, N., Vercruyssen, S., & IMPE, J. F. V. (2017). SalmonellaTyphimurium and Staphylococcus aureus dynamics in/on variable (micro)structures of fish-based model systems at suboptimal temperatures. International Journal of Food Microbiology, 240, 32-39.
Baranyi, J., & Roberts, T. A. (1995). Mathematics of predictive microbiology. International Journal of Food Microbiology, 26, 199-218.
Boatemaa, S., Barney, M., Drimie, S., Harper, J., Korsten, L., & Pereira, L. (2019). Awakening from the listeriosis crisis: Food safety challenges, practices and governance in the food retail sector in South Africa. Food Control, 104, 333-342.
Bräutigam, K. R., Jörissen, J., &Priefer, C. (2014). The extent of food waste generation across EU-27: Different calculation methods and the reliability of their results. Waste Management &Research, 32(8), 683-694.
Ciccio, P. D., Vergara, A., Festino, A. R., Paludi, D., Zanardi, E., Ghidini, S., &Lanieri, A. (2015). Biofilm formation by Staphylococcus aureus on food contact surfaces: Relationship with temperature and cell surface hydrophobicity. Food Control, 50, 930-936.
Diallo, M. A., &Bogaerts, P. (2016). Dynamic microorganism growth modelling for shelf life prediction: application to cooked and brined shrimps. IFAC-PapersOnLine, 49-7, 230-235.
Dimakopoulou-Papazoglou, D., Lianou, A., &Koutsoumanis, K. P. (2016). Modelling biofilm formation of Salmonella enterica ser. Newport as a function of pH and water activity. Food Microbiology, 53, 76-81.
Ferrer, J., Prats, C., López, D., & REGO, J. V. (2009). Mathematical modelling methodologies in predictive food microbiology: A SWOT analysis. InternationalJournalofFoodMicrobiology, 134, 2-8.
Forsythe, S. J. (2013). Microbiologia da segurança dos alimentos. (2ª ed.). Porto Alegre: Artmed.
Fukuda, K. (2015). Food safety in a globalized world. Bulletin of the World Health Organization, 93, 212.
Giaouris, E., Heir, E., Hébraud, M., Chorianopoulos, N., Langsrud, S., Møretrø, T., Habimana, O., Desvaux, M., Renier, S., &Nychas, G. J. (2014). Attachment and biofilm formation by foodborne bacteria in meat processing environments: Causes, implications, role of bacterial interactions and control by alternative novel methods. Meat Science, 97, 298-309.
González, S. C., Possas, A., Carrasco, E., Valero, A., Bolívar, A., Posada-Izquierdo, G. D., García-Gimeno, R. M., Zurera, G., & Pérez-Rodríguez, F. (2019). ‘MicroHibro’: A software tool for predictive microbiology and microbial risk assessment in foods. International Journal of Food Microbiology, 290, 226-236.
Guillier, L. (2016). Predictive microbiology models and operational readiness. Procedia Food Science, 7, 133-136.
Gutiérrez, D., Rodríguez-Rubio, L., Martínez, B., Rodríguez, A., & García, P. (2016). Bacteriophages as weapons against bacterial biofilms in the food industry. Frontiers in Microbiology, 7.
Gunvig, A., Andresen, M. S., Jacobsen, T., &Borggaard, C. (2018). Staphtox predictor - A dynamic mathematical model to predict formation of Staphylococcus enterotoxin during heating and fermentation of meat products. International Journal of Food Microbiology, 285, 81-91.
Huang, L. (2014). IPMP 2013 – A comprehensive data analysis tool for predictive microbiology. International Journal of Food Microbiology, 171, 100-107.
Latorre, A. A., Van Kessel, J. S., Karns, J. S., Zurakowsk, M. J., Pradhan, A. K., Boor, K. J., Jayarao, B. M., Houser, B. A., Daugherty, C. S. &Schukken, Y. H. (2010). Biofilm in milking equipment on a dairy farm as a potential source of bulk tank milk contamination with Listeria monocytogenes. Journal of Dairy Science, 93(6), 2792-2802.
Lee, Y. J., Jung, B. S., Kim, K. T., & Paik, H. D. (2015). Predictive model for the growth kinetics of Staphylococcus aureus in raw pork developed using Integrated Pathogen Modelling Program (IPMP) 2013. Meat Science, 107, 20-25.
Marino, M., Maifreni, M., Baggio, A., &Innocente, N. (2018). Inactivation of foodborne bacteria biofilms by aqueous and gaseous ozone. Frontiers in Microbiology, 9, 1-12.
Mcmeekin, T. A., Bowman, J., Mcquestin, O., Mellefont, L., Ross, T., &Tamplin, M. (2008). The future of predictive microbiology: strategic research, innovative applications and great expectations. International Journal of Food Microbiology, 128, 2-9.
Messens, W., Hempen, M., &Koutsoumanis, K. (2018). Use of predictive modelling in recent work of the panel on biological hazards of the European Food Safety Authority. Microbial Risk Analysis, 10, 37-43.
Mogha, K. V., Shah, N. P., Prajapati, J. B., &Chaudhari, A. R. (2014). Biofilm - A threat to dairy industry. Indian J. Dairy Sci., 67(6), 459-466.
Moraes, J. O., Cruz, E. A., Souza, E. G. F., Oliveira, T. C. M., Alvarenga, V. O., Peña, W. E. L., Sant’Ana, A. S., &Magnani, M. (2018). Predicting adhesion and biofilm formation boundaries on stainless steel surfaces by five Salmonella enterica strains belonging to different serovars as a function of pH, temperature and NaCl concentration. International Journal of Food Microbiology, 281, 90-100.
Plaza-Rodriguez, C., Haberbeck, L. U., Desvignes, V., Dalgaard, P., Sanaa, M., Nauta, M., Filter, M., &Guillier, L. (2018). Towards transparent and consistent exchange of knowledge for improved microbiological food safety. Current Opinion in Food Science, 19, 129-137.
Tango, C. N., Akkermans, S., Hussain, M. S., Khan, I., Impe, J. V., Jin, Y. G., & Oh, D. H. (2018). Modelling the effect of pH, water activity, and ethanol concentration on biofilm formation of Staphylococcus aureus. Food Microbiology, 76, 287-295.
Tenenhaus-Aziza, F., &Ellouze, M. (2015). Software for predictive microbiology and risk assessment: A description and comparison of tools presented at the ICPMF8 Software Fair. Food Microbiology, 45, 290-299.
Xu, Z., Xie, J., Soteyome, T., Peters, B. M., Shirtlif, M. E., Liu, J., &Harro, J. M. (2019). Polymicrobial interaction and biofilms between Staphylococcus aureus and Pseudomonas aeruginosa: an underestimated concern in food safety. Current Opinion in Food Science, 26, 57-64.
Zhang, Y., Li, G., Wu, D., Li, X., Yu, Y., Luo, P., Chen, J., Dai, C., & Wu, Y. (2019). Recent advances in emerging nanomaterials based food sample pretreatment methods for food safety screening. Trends in AnalyticalChemistry, 121, 115669.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
