Upload
deodat-smith
View
121
Download
1
Embed Size (px)
Citation preview
La microbiologie prévisionnelleLa 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
Responsabilité industrielleResponsabilité 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
La croissance bactérienneLa croissance bactérienne
temps
Log
du
nom
bre
de
Mic
roor
gani
smes
Principe de base de la microbiologie prévisionnelle :
La croissance d’une population bactérienne est parfaitement reproductible dans des conditions environnmentales similaires
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
La croissance bactérienneLa croissance bactérienne
La modélisation s’effectue en 2 étapes :
1. Modélisation primaireConsiste à décrire le nombre de microorganismes en fonction du temps
2. Modélisation secondaireConsiste 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
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Etape 1 : Modélisation primaireEtape 1 : Modélisation primaire
Modèle de croissance primaire, proposé par Rosso, 1995
X0
Xmax
lag
µmax
Modélisation de l’évolution de Biomasse au cours du temps :
lagtlagt
x
xx
lagtx
tf,)(exp11lnln
,ln
),(max
0
maxmax
0
1
Etape 2 : Modélisation secondaireEtape 2 : Modélisation secondaire
Impact de la température sur le taux de croissance µmax :
Topt .max Topt .max
Valeurs cardinales :
Tmin - Topt - Tmax
)2)(())(()(
)()(
minmaxmin
max
2
min
minTTTTTTTTTTT
TTTT
optoptoptoptopt
T
)2)(())(()(
)()(
minmaxmin
max
2
min
minTTTTTTTTTTT
TTTT
optoptoptoptopt
T
Taux de croissance de E. coli en fonction de la température
Tmin Topt Tmax
µopt
Rosso, 1995 :
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Etape 2 : Modélisation secondaireEtape 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 ()
0.8 0.82 0.84 0.86 0.88 0.9 0.92 0.94 0.96 0.98 10.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
aw
Ra
cin
e C
arr
ée
(ta
ux
de
cro
iss
an
ce
(m
m/h
))
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Etape 2 : Modélisation secondaireEtape 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 ()
T
pH
aw
AH
+ prise en compte de l’aliment : Paramètre unique µopt
Par
amèt
res
prop
res
auM
icro
-org
anis
mes
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Etape 2 : Modélisation secondaireEtape 2 : Modélisation secondaire
Si on considère tous les effets multiplicatifs, alors un modèle global peut s’écrire sous la forme (Zwietering, 1992) :
µµmax max = = µµoptoptµµmax max = = µµoptopt (T)(T)µµmax max = = µµoptopt (T) (T) (aw)(aw)µµmax max = = µµoptopt (T) (T) (aw) (aw) (pH)(pH)
Prise en compte de l’effet matrice
4 facteursenvironnementaux
(AH)(AH)
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Etape 2 : Modélisation secondaireEtape 2 : Modélisation secondaire
Si on considère tous les effets multiplicatifs, alors un modèle global peut s’écrire sous la forme (Zwietering, 1992) :
µµmax max = = µµoptoptµµmax max = = µµoptopt (T)(T)µµmax max = = µµoptopt (T) (T) (aw)(aw)µµmax max = = µµoptopt (T) (T) (aw) (aw) (pH)(pH)(AH) (AH) (interaction)(interaction)(AH)(AH)
Prise en compte des interactions ?
- Ré-estimer les paramètres dans les zones d’interactions- Ajouter un module ne nécessitant pas de paramètres supplémentaires
1
15.0
5.0
,
,0
)1.(2
,1
int
i
ij
j
i
))(1(.2
)(
3
min
XX
XX
opt
opt
X
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Prise en compte de l’effet « matrice »Prise en compte de l’effet « matrice »
intmax ..... AHawpHToptµµ
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 ,
Tous les facteurs qui ne sont pas modélisés sont intégrés dans le µopt caractéristique de la matrice alimentaire
Deux aliments ayant les mêmes caractéristiques T°, pH, aw, AH, ne vont pas forcément induire le même développement microbien.
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Prise en compte de l’effet « matrice »Prise en compte de l’effet « matrice »
Nécessite une cinétique de croissance sur cet aliment
µµmaxmax
Courbes de référence : Modèles secondaire :
Consiste à inoculer un micro-organisme dans l’aliment, puis déterminer le taux de croissance dans des conditions données
Comment déterminer le µopt de l’aliment ?
int
max
.... AHawpHT
opt
µµ
µµoptopt
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Intervalles de confianceIntervalles 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) :
Intervalles de confianceIntervalles de confiance
Variabilité du paramètre Awmin entre les souches Listeria monocytogenes :
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Intervalles de confianceIntervalles de confiance
Modélisation de la variance du modèle Hétérogénéité de la variance
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Intervalles de confianceIntervalles de confiance
Exemple de simulation de croissance de Listeria monocytogenes10°C - pH6 - aw 0,99
1. Simulation de 1000 µmax
intmax ..... AHawpHToptµµ
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
Simulations de croissanceSimulations de croissance
Croissance de Listeria dans du Saumon
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Simulations de croissanceSimulations 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
Lc.lactis () L.innocua () pH (------)
Simulations de croissanceSimulations de croissance
Croissance de Listeria dans du lait pendant une fermentation lactique à 30°C
SMAI : 4e rencontres Math - Industrie le 4 avril 2006
Applications industriellesApplications industrielles
Tester différents scénario de conservation ou de formulation
Aider à l’optimisation de la formulation, d’un procédé…
Prévoir le taux de présence d’un micro-organisme à un instant de la vie d’un produit (fabrication, conditionnement, distribution, consommation)
Quantifier l’effet des facteurs(impact d’une acidification de 0,5 unité de pH?)
Accompagner le développement d’un nouveau produit
Maitriser le développement bactérien par les « bons » inhibiteurs
Apporter des arguments aux clients, aux distributeurs
Détermination de la durée de vie d’un aliment
SMAI : 4e rencontres Math - Industrie le 4 avril 2006