Evaluación predictiva del crecimiento in vitro de bacterias patógenas en diferentes condiciones de pH, temperatura y concentracións de cloruro de sodio y extractos de residuos de tamarindo
DOI:
https://doi.org/10.33448/rsd-v9i7.3858Palabras clave:
Microbiología predictiva; Antimicrobiano; Residuos de fruta.Resumen
La microbiología predictiva se ha aplicado, a través de modelos matemáticos, para predecir el comportamiento de los microorganismos cuando se exponen a condiciones de crecimiento variadas. Esta ciencia ha ganado importancia ya que permite predecir las tasas de crecimiento y la duración de la fase de retraso de los microorganismos patógenos contaminantes en los alimentos. En este contexto, este trabajo tuvo como objetivo evaluar el efecto de la temperatura (10 a 45°C), pH (5.0 a 9.0), concentración de cloruro de sodio (0 a 8.5%) y concentración de extracto de corteza y de semillas de tamarindo en etanol al 80% (0 a 10%) en el crecimiento in vitro de Bacillus subtilis, Pseudomonas aeruginosa, Staphylococcus aureus, Salmonella Enteritidis y Enterococcus faecalis. Los parámetros se evaluaron de acuerdo con el diseño factorial fraccional 24-1 más 3 puntos centrales. Las bacterias se incubaron en las condiciones propuestas y el modelo primario de Baranyi y Roberts se ajustó a los datos experimentales (coeficientes de correlación entre 0,72 y 1,00) para obtener tasas de crecimiento y tiempo de retraso. Para la mayoría de las condiciones probadas, el crecimiento se inhibió para todas las bacterias, con tasas que van desde -0.03 a -6.04 Log UFC/mL h. A través del análisis estadístico se descubrió que el pH era el parámetro que más influía en la inhibición de las bacterias. Sin embargo, el extracto de corteza y semillas de tamarindo fue el componente principal para la inhibición de S. Enteritidis. En este estudio, se predijo el crecimiento in vitro de bacterias patógenas en un medio de cultivo que contenía extracto de semillas de corteza o tamarindo, lo que demostró el potencial para ser utilizado en futuras aplicaciones como antimicrobiano natural.
Citas
Adelskov, J., Patel, B.K.C. (2016) A molecular phylogenetic framework for Bacillus subtilis using genome sequences and its application to Bacillus subtilis subspecies stecoris strain D7XPN1, an isolate from a commercial food-waste degrading bioreactor. 3 Biotech, 6, 1–16.
Aguirre, J.S., Rodríguez, M. R., & Fernando, G.D.G. (2011) Effects of electron beam irradiation on the variability in survivor number and duration of lag phase of four food-borne organisms. International Journal of Food Microbiology, 149, 236-246.
Akkermans, S., Nimmegeers, P., & Impe, J.F. (2018) A tutorial on uncertainty propagation techniques for predictive microbiology models: A critical analysis of state-of-the-art techniques. International Journal of Food Microbiology, 282, 1-8.
BR1020170013685- Potencial antimicrobiano de extratos de resíduos de frutas exóticas (tamarindo (Tamarindus indica), granadilla (Passiflora ligularis), noni (Morinda citrifolia), dekopon (Citrus reticulata 'Shiranui'), sapoti (Manilkara zapota), tamarillo (Solanum betaceum) e mirtilo (Vaccinium myrtillus)), patente depositada no Instituto Nacional de Propriedade Intelectual em 23/01/2017.
Clinical and Laboratory Standards Institute (CLSI) (2015) Performance Standards for Antimicrobial Disk Susceptibility Tests; Approved standard- Twelfth Edition. Wayne: Clinical and Laboratory Standards Institute.
Couvert, O., Guegan, S., Hezard, B., Huchet, V., Lintz, A., Thuault, D., & Stahl, V. (2017) Modeling carbon dioxide effect in a controlled atmosphere and itsinteractions with temperature and pH on the growth of L. monocytogenes and P. fluorescens. Food Microbiolgy, 68, 89-96.
Gonçalves, L.D.A., Picolli, R.H., Peres, A.P., & Saúde, A.V. (2017) Predictive modeling of Pseudomonas fluorescens growth under different temperature and pH values. Brazilian Journal of Microbiology, 48 (2), 352-358.
Hoel, S., Vadstein, O., & Jakobsen, A. N. (2018) Growth of mesophilic Aeromonas salmonicida in an experimental model of nigiri sushi during cold storage. International Journal of Food Microbiology, 285, p. 1-6.
ICMSF - International Commission on Microbiological Specifications for Foods (1996) Microrganisms in Foods 5: Microbiological Specifications of Food Pathogens. London: Blackie Academic and Professional.
Iliadis, I., Daskalopoulou, A., Simões, M., & Giaouris, E. (2018) Integrated combined effects of temperature, pH and sodium chloride concentration on biofilm formation by Salmonella enterica ser. enteritidis and typhimurium under low nutrient food-related conditions. Food Research International, 107, 10-18.
Juneja, V.K., Golden, C.E., Misha, A., & Harrison, M.A. (2019) Predictive model for growth of Bacillus cereus during cooling of cooked rice. International Journal of Food Microbiology, 290, 49–58.
Kavuncuoglu, H., Kavuncuoglu, E., Karatas, S.M., Osman, Benli, B., Sagdic, O., & Yalcin, H. (2018) Prediction of the antimicrobial activity of walnut (Juglans regia L.) kernel aqueous extracts using artificial neural network and multiple linear regression. Journal of Microbiological Methods, 148, 78-86.
Koneman, W.E., Allen, S.D., Janda, W.M., Schreckenberger, P.C., & Winn Jr., W.C. (2001) Bacilos Gram-Negativos não-fermentadores. In: Koneman, E.W. (Ed.) Diagnóstico microbiológico - Texto e Atlas colorido. Rio de Janeiro: Médica e Científica.
Krishnan, K.R., Babuskin, R., Babu, P.A.S., Sivarajan, M., & Sukumar, M. (2015) Evaluation and predictive modeling the effects of spice extracts on raw chicken meat stored at different temperatures. Journal of Food Engineering, 166, 29-37.
Nyhan, L., Begley, M., Mutel, A., Qu, Y., Johnson, N., & Callanan, M. (2018) Predicting the combinatorial effects of water activity, pH and organic acids on Listeria growth in media and complex food matrices. Food Microbiology, 74, 75-85.
Palleroni, N.J. (2009) Pseudomonas. In: Bergey´s Manual of Systematic Bacteriology. Nova Jersey: John Wiley & Sons, Inc., in association with Bergey's Manual Trust.
Pereira, A.S., Shitsuka, D.M., Parreira, F.J., & Shitsuka, R. (2018). Metodologia da pesquisa científica. [e-book]. Santa Maria. Ed. UAB/NTE/UFSM. Disponível em: https://repositorio.ufsm.br/bitstream/handle/1/15824/Lic_Computacao_MetodologiaPesquisa-Cientifica.pdf?sequence=1. Acesso em: 21 Abril 2020.
Rodrigues, H.G.A, Siqueira, A.C.P., & Santana, L.C.L.A. (2020). Aplicação de revestimentos comestíveis à base de quitosana e fécula de mandioca incorporados com extrato da semente de tamarindo na conservação de goiabas. Research, Society and Development, 9 (6), e119963695, 1-25.
Rodrigues, M.I., & Iemma, A.F. (2009) Planejamento de experimentos e otimização de processos. Campinas: Casa do Espírito Amigo Fraternidade Fé e Amor.
Rubab, M., Shahbaz, H.M., Olaimat, A.N., & Oh, D.-H. (2018) Biosensors for rapid and sensitive detection of Staphylococcus aureus in food. Biosensors and Bioelectronics, 105, 49–57.
Santos, T.R.J., Barbosa, P.F., Antunes, H.G.R., Narain, N. & Santana, L.C.L.A. (2019) Granadilla seed extract as antimicrobial and bioactive compounds source: mathematical modelling of extraction conditions. Quality Assurance and Safety of Crops & Foods, 11(2), 157-170.
Schlei, K.P. et al. (2018). Predictive microbiology: general aspects and tendencies. Perspectivas da Ciência e Tecnologia, 10(1): 52-68.
Stringer, S.C., & Metris, A. (2018) Predicting bacterial behaviour in sous vide food. International Journal of Gastronomy and Food Science, 13, 117–128.
Tarlak, F., Ozdemir, M., & Melikoglu, M. (2018) Mathematical modelling of temperature effect on growth kinetics of Pseudomonas spp. on sliced mushroom (Agaricus bisporus). International Journal of Food Microbiology, 266, 274-281.
Teleken, J.T., Galvão, A.C., Robazza, & W.S. (2018) Use of modified Richards model to predict isothermal and non-isothermal microbial growth. Brazilian Journal of Microbiology, 49, p. 614-620, 2018.
Vercammen, D., Telen, D., Nimmegeers, P., Janssens, A., Akkermans, S., Fernandez, E.N., Logist, F., & Impe, J.V. (2017) Application of a dynamic metabolic flux algorithm during a temperature-induced lag phase. Food and Bioproducts Processing, 102, 1-19.
Xie, X., Tan, T., Xu, A., Deng, K., Zeng, Y., & Huang, H. (2019) UV-induced peroxidase-like activity of gold nanoclusters for differentiating pathogenic bacteria and detection of enterotoxin with colorimetric readout. Sensors and Actuators, B: Chemical, 279, 289–297.
Yang, Q., Lu, Y., Zhang, M., Gong, Y., Li, Z., Tran, N.T., He, Y., Zhu, C., Lu, Y., Zhang, Y., & Li, S. (2019) Lactic acid bacteria, Enterococcus faecalis Y17 and Pediococcus pentosaceus G11, improved growth performance, and immunity of mud crab (Scylla paramamosain). Fish and Shellfish Immunology, 93, 135–143.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
