예측식품미생물학(PFM)은 1980년대 후반 이후 식품미생물학 분야에서 새롭게 발생한 신학문 분야이다. PFM은 특별한 환경적 요인에 따른 미생물 특히, 병원성미생물의 반응(사멸과 생존)을 예측하기 위하여 수학적인 모델을 이용한 것이다. 현재까지 개발된 PFM모델중 완전한 것은 없지만, 어떤 특정 조건하에서는 신속하고 객관적으로 미생물의 반응을 예측하는데 이용될 수 있다는 장점 때문에, HACCP시스템, Risk Assessment 등에서 응용 가능성이 커지고 있다. 본 연구는 PFM 모델중 PMPwin5.1을 이용하여, 우유 저장에 대한 HACCP시스템 중 미생물학적 위해요소 분석, CCP 및 CL설정에 대한 방법론적 예를 제시하였다. 모델에 대한 초기조건으로 우유와 동일한 물리화학적 조건인 pH 6.7, Aw 0.993, NaCl 1.3%을 고정변수로 하고, 저장온도(4~15$^{\circ}C$)를 변이변수로 선정하여, 온도에 따른 주요 병원성미생물의 generationtime, lag phase duration, infective dose에 도달하는데 걸리는 시간을 산출하였다. 이 결과를 바탕으로 온도의 변화에 따른 각 병원성미생물의 성장을 안전정도에 따라 “안전온도범위(Safe temperature zone)”, “주의온도범위(Caution temperature zone)”, “위험온도범위(Danger temperatue zone)”로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다. 이러한 결과는 우유의 HACCP시스템에 있어, 위해요인 분석시 위해요인의 분류 및 위해요소간의 위해 정도의 우선순위 부여에 보조적인 수단으로 이용될 수 있다. 또한 유통.저장단계에서 병원성미생물의 상징에 대한 온도수준을 나타내므로, 이 단계를 CCP로 설정할 수 있고, CCP에 대한 CL은 주위온도범위내에서 설정할 수 있다. 그리고 허용수준에 대한 온도의 범위를 제시하므로 모니터링이나 검증에서도 이용할 수 있다.
예측식품미생물학(PFM)은 1980년대 후반 이후 식품미생물학 분야에서 새롭게 발생한 신학문 분야이다. PFM은 특별한 환경적 요인에 따른 미생물 특히, 병원성미생물의 반응(사멸과 생존)을 예측하기 위하여 수학적인 모델을 이용한 것이다. 현재까지 개발된 PFM모델중 완전한 것은 없지만, 어떤 특정 조건하에서는 신속하고 객관적으로 미생물의 반응을 예측하는데 이용될 수 있다는 장점 때문에, HACCP시스템, Risk Assessment 등에서 응용 가능성이 커지고 있다. 본 연구는 PFM 모델중 PMPwin5.1을 이용하여, 우유 저장에 대한 HACCP시스템 중 미생물학적 위해요소 분석, CCP 및 CL설정에 대한 방법론적 예를 제시하였다. 모델에 대한 초기조건으로 우유와 동일한 물리화학적 조건인 pH 6.7, Aw 0.993, NaCl 1.3%을 고정변수로 하고, 저장온도(4~15$^{\circ}C$)를 변이변수로 선정하여, 온도에 따른 주요 병원성미생물의 generation time, lag phase duration, infective dose에 도달하는데 걸리는 시간을 산출하였다. 이 결과를 바탕으로 온도의 변화에 따른 각 병원성미생물의 성장을 안전정도에 따라 “안전온도범위(Safe temperature zone)”, “주의온도범위(Caution temperature zone)”, “위험온도범위(Danger temperatue zone)”로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다. 이러한 결과는 우유의 HACCP시스템에 있어, 위해요인 분석시 위해요인의 분류 및 위해요소간의 위해 정도의 우선순위 부여에 보조적인 수단으로 이용될 수 있다. 또한 유통.저장단계에서 병원성미생물의 상징에 대한 온도수준을 나타내므로, 이 단계를 CCP로 설정할 수 있고, CCP에 대한 CL은 주위온도범위내에서 설정할 수 있다. 그리고 허용수준에 대한 온도의 범위를 제시하므로 모니터링이나 검증에서도 이용할 수 있다.
Predictive food microbiology(PFM) is an emerging area of food microbiology since the later 1980’s. It does apply mathematical models to predict the responses of microorganism to specified environmental variables. Although, at present, PFM models do not completely developed, models can provide very ...
Predictive food microbiology(PFM) is an emerging area of food microbiology since the later 1980’s. It does apply mathematical models to predict the responses of microorganism to specified environmental variables. Although, at present, PFM models do not completely developed, models can provide very useful information for microbiological responses in HACCP(Hazard Analysis Critical Control Point) system and Risk Assessment. This study illustrates the possible use of PFM models(PMP: Pathogen Modeling Program win5.1) with milk in several elements in the HACCP system, such as conduction of hazard analysis and determination of CCP(Critical Control Points) and CL(Critical Limits). The factors likely to affect the growth of the pathogens in milk involved storage fixed factors were pH 6.7, Aw 0.993 and NaCl 1.3%. PMPwin5.1 calculated generation time, lag phase duration, time to level of infective dose for pathogens across a range of storage (Critical Control Points) and CL(Critical Limits). The factors likely to affect the growth of the pathogens in milk involved storage temperature, pH, Aw and NaCl content. The factors likely to affect the growth of the pathogens in milk involved storage temperature, pH, Aw and NaCl content. The variable factor was storage temperature at the range of 4~15$^{\circ}C$ and the fixed factors were pH 6.7, Aw 0.993 and NaC 1.3%. PMPwin5.1 calculated generation time, lag phase duration, time to level of infective dose for pathogens across a range of storage temperature.
Predictive food microbiology(PFM) is an emerging area of food microbiology since the later 1980’s. It does apply mathematical models to predict the responses of microorganism to specified environmental variables. Although, at present, PFM models do not completely developed, models can provide very useful information for microbiological responses in HACCP(Hazard Analysis Critical Control Point) system and Risk Assessment. This study illustrates the possible use of PFM models(PMP: Pathogen Modeling Program win5.1) with milk in several elements in the HACCP system, such as conduction of hazard analysis and determination of CCP(Critical Control Points) and CL(Critical Limits). The factors likely to affect the growth of the pathogens in milk involved storage fixed factors were pH 6.7, Aw 0.993 and NaCl 1.3%. PMPwin5.1 calculated generation time, lag phase duration, time to level of infective dose for pathogens across a range of storage (Critical Control Points) and CL(Critical Limits). The factors likely to affect the growth of the pathogens in milk involved storage temperature, pH, Aw and NaCl content. The factors likely to affect the growth of the pathogens in milk involved storage temperature, pH, Aw and NaCl content. The variable factor was storage temperature at the range of 4~15$^{\circ}C$ and the fixed factors were pH 6.7, Aw 0.993 and NaC 1.3%. PMPwin5.1 calculated generation time, lag phase duration, time to level of infective dose for pathogens across a range of storage temperature.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 이러한 관점에서, 일부 PFM의 모델을 데이터베이스화하여 프로그램화한 Pathogen Modeling Program (PMPwin5.1)을 우유의 HACCP시스템에 활용하기 위한 방법의 하나로, 우유(시유) 저장시 위해요소 분석과 Critical Control Points(CCP) 및 Critical Limits(CL) 설정에 관한 방법론적인 예를 제시하였다.
가설 설정
1은 Bacillus cereus, Listeria monocytogenes, E. coli O157:H7, Salmonella spp., Staphylococcus aureus, Aemmonas hydrophila, Shigella flexineri, Yersinia entero- colitica, Clostridium perjeingeas 에 대한 growth model 과 Clostridium botulinume 대한 Thennal inactivation model, E.
제안 방법
저장온도(4~ 15℃)를 변이변수로 선정하여, 온도에 따른 주요 병원성미생물의 generation time, lag phase duration, infective dose에 도달하는데 걸리는 시간을 산출하였다. 이 결과를 바탕으로 온도의 변화에 따른 각 병원성미생물의 성장을 안전정도에 따라 "안전온도범위(Safetemperature zone)", "주의온도범위 (Caution temperature zone)", "위험온도범우1(Danger temperature zone)"로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다. 이러한 결과는 우유의 HACCP시스템에 있어, 위해요인 분석시 위해요소의 분류 및 위해요소간의 위해 정도의 우선순위 부여에 보조적인 수단으로 이용될 수 있다.
저장 온도별 각각의 병원성미생물에 대한 CCP 및 CL설 정을 위해 온도변회에 따른 안전싱의 정도는 Panisello 등의방법7)을 응용하여 "안전온노범위(Safe temperature zone)", "주의 온도범 위 (Caution temperature zone)", "위험온도범위 (Danger temperature zone)"와 같이 3개로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다. 각각의 분류에 대한 정의는 다음과 같다.
1.monocytogenese: Fig. 4와 Table 6에서 보는 바와 같이 7.4℃온도에서 infective dose인 에 도달하는 시간이 497일로 5일 이내이므로 이 온도 이상을 위험온노로 결정하였다. 그러나 E.
B. cereus는 Fig. 1과 Table 3에서 보는 바와 같이 온도 가 8.5℃에서 lag phase duration이 5.04일로 우유(시유)의 유통기간인 5일 이상이 되므로 이 온도 이하를 안전온도로 설정하였고, Fig. 2와 Table 4에서 보는 바와 같이 11.3℃ 에서 B. cereus의 infective dose인 10, 에 도달하는 시간이 4.97일로 5일 이내가 되므로, 이 온도를 위험온도로 결정하였다. 이들 결과를 바탕으로 안전온도와 위험온도의 사이인 8.
예측식품미생물학(PFM)은 1980년대 후반 이후 식품미생물학 분야에서 새롭게 발생한 신학문 분야이다. PFMe 특별한 환경적 요인에 따른 미생물 특히, 병원성미생물의 반응(사멸과 생존)을 예측하기 위하여 수학적인 모델을 이용한 것이다. 현재까지 개발된 PFM모델 중 완전한 것은 없지만, 어떤 특정 조건하에서는 신속하고 객관적으로 미생물의 반응을 예측하는데 이용될 수 있다는 장점 때문에, HACCP시스템, Risk Assessment 등에서 응용 가능성이 커지고 있다.
3%로 하였다(Table 2)17). PMPwin5.1 을 이용하여 우유에 대한 온도의 변이는 우유의 법적인 저장온도인 10℃ 를 중심으로 4℃에서 15℃의 범위로 설정하였으며, 각 온도의 변화에 따른 주요 병원성미생물의 generation time, lag phase duration을 산출하였다.
S. aureus는 Fig. 6과 Table 7에서 보는 바와 같이 14.8 K이상의 온도에서 infective dose인 10, 에 도달하는 시간이 4.99일로 5일 이내이므-로, 이 온도를 위험온도로 결정하였다. 하지만 Salmonella spp.
하지만 PFM model에서는 초기균수의 경우 lag phase duration과 generation time에는 아무런 영향을 미치지 못하며18,19) 특정균수에 도달하는 시간에만 영향을 미치는 것으로 나타났다. 따라서 본 연구에서는 초기균수로 B. cegs는 임20)의 결과를 바탕으로 1 logCFU/ml로 하였고-, 다른 병원성미생물의 경우, 국내에서의 조사결과를 찾을 수 없어, PMPwin5.1의 초기균수 최소값인 -2 logCFU/ml으로 하여 대상 병원성미생물의 특정 균수에 도달하는데 걸리는 시간을 산출하였다. 특정 균수는 각각의 병원성미생물에 대한 infective dose로 하였고, 이값은 B.
현재까지 개발된 PFM모델 중 완전한 것은 없지만, 어떤 특정 조건하에서는 신속하고 객관적으로 미생물의 반응을 예측하는데 이용될 수 있다는 장점 때문에, HACCP시스템, Risk Assessment 등에서 응용 가능성이 커지고 있다. 본 연구는 PFM 모델 중 PMPwin5.1을 이용하여, 우유 저장에 대한 HACCP시스템 중 미생물학적 위해 요소 분석, CCP 및 CL설정에 대한 방법론적 예를 제시하였다. 모델에 대한 초기조건으로 우유와 동일한 물리화학적 조건인 pH 6.
97일로 5일 이내가 되므로, 이 온도를 위험온도로 결정하였다. 이들 결과를 바탕으로 안전온도와 위험온도의 사이인 8.6~1L3℃를 주의온도범위로 정하였다.
3%을 고정변수로 하고. 저장온도(4~ 15℃)를 변이변수로 선정하여, 온도에 따른 주요 병원성미생물의 generation time, lag phase duration, infective dose에 도달하는데 걸리는 시간을 산출하였다. 이 결과를 바탕으로 온도의 변화에 따른 각 병원성미생물의 성장을 안전정도에 따라 "안전온도범위(Safetemperature zone)", "주의온도범위 (Caution temperature zone)", "위험온도범우1(Danger temperature zone)"로 분류하였으며, 이들 분류는 우유의 유통기간인 5일을 기준으로 각 병원성미생물의 lag phase duration, infective dose에 도달하는 시간에 따라 결정하였다.
대상 데이터
H7, Salmonella spp., S. aureus 등이 있으며 14), 본 연구에서도 이들 병원성미생물을 대상으로 하였다.
이론/모형
반면 Food MicroModel의 경우는 상당한 구입비용이 소요되는 단점이 있다. 따라서 본 연구에서는 PFM 에 대한 이해를 확대시키기 위한 목적도 포함되기 때문에 쉽게 이용 가능하고, 기술적인 측면에서도 쉽게 프로그램을 구동할 수 있으며, Predictive Food Microbiology Model에 대한 최신 이론을 수록하고 있는 PMPwin5.1 을 이용하였다.
성능/효과
이상의 결과를 종합한 우유에서 주요 병원성미생물의 성장에 대해 예측된 "안전온도", "주의온도", ., 위험온도, , 각각의 범위는 Table 9와 같다.
따라서 pfm 모델은 위해요소에 대한 분류 도구로 서 또는 위해요소 중 중요성에 대한 우선순위를 정하는데 있어 크게 도움이 될 수 있다. 결론적으로 수학적 모델을 이용함으로써 HACCP시스템을 좀 더 쉽게 구현할 수 있다는 것이다. 즉 CCP를 결정할 경우, 그 각각에 대한 여러 조건하 에서의 특정한 미생물의 움직임을 시뮬레이션함으로써 PFM 모델이 충분히 유효하다고 생각된다.
소비까지의 저장 온도는 법적으로 10℃로 규정되어 있다24). 하지만 본 연구결과를 통해 보았을 때, 우유에서 대부분의 병원성미생물은 10℃에서 현재의 유통기간 5일 이내에 infective dose에 도달하게 되므로 소비하기까지의 우유 저장온도를 주의온도 최저값인 7℃ 이하로 하는 것이 유통기간의 연장뿐만 아니라 식품의 안전성 측면에서도 더 효과적일 것이라고 생각된다. 이러한 결과는 시판되고 있는 살균 및 멸균우유를 법적 기준인 0~10℃로 저장해도 5일만에 세균수가 법적 기준에 근접하거나 초과한다는 최25)의 결과와도 일치하는 것으로 보인다.
그리고 허용수준에 대한 온도의 범위를 제시하므로 모니터링이나 검증에서도 이용할 수 있다. 한편, 우유에서 발생하기 쉬운 대부분의 병원성미생물은 현재의 에서 5일간의 유통기산 내에 infective dose에 쉽게 도달하므로 우유 저장온도를 7℃이하로 낮추는 것이 더 안전하다는 결과를 보여주었다. 이상과 같이 PFM 모델은 HACCP시스템에서 신속하고 객관적으로 그리고 실제 미생물실험을 대신하여 저렴하게 이용 가능할 수 있다.
후속연구
한편, 우유에서 발생하기 쉬운 대부분의 병원성미생물은 현재의 에서 5일간의 유통기산 내에 infective dose에 쉽게 도달하므로 우유 저장온도를 7℃이하로 낮추는 것이 더 안전하다는 결과를 보여주었다. 이상과 같이 PFM 모델은 HACCP시스템에서 신속하고 객관적으로 그리고 실제 미생물실험을 대신하여 저렴하게 이용 가능할 수 있다. 지금까지 개발된 PFM 모델에는 여러가지 한계를 내포하고 있어 현재까지는 본 연구에서와 같이 보조적인 도구로만 이용할 수 있지만, 앞으로 PFM 모델의 발달 및 활용 가능성은 크게 증대될 것이다.
이상과 같이 PFM 모델은 HACCP시스템에서 신속하고 객관적으로 그리고 실제 미생물실험을 대신하여 저렴하게 이용 가능할 수 있다. 지금까지 개발된 PFM 모델에는 여러가지 한계를 내포하고 있어 현재까지는 본 연구에서와 같이 보조적인 도구로만 이용할 수 있지만, 앞으로 PFM 모델의 발달 및 활용 가능성은 크게 증대될 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.