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

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


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


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



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 :



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

))



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



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)



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


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.



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


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) :


Variabilité du paramètre Awmin entre les souches Listeria monocytogenes :



Modélisation de la variance du modèle Hétérogénéité de la variance



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


Simulations de croissanceSimulations de croissance

Croissance de Listeria dans du Saumon



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


Lc.lactis () L.innocua () pH (------)


Croissance de Listeria dans du lait pendant une fermentation lactique à 30°C


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


Documents

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