[논문]식육추출가공품 중 갈비탕에서의 Staphylococcus aureus 성장예측모델 개발

손나리; 김안나; 최원석; 윤상현; 서수환; 주인선; 김순한; 곽효선; 조준일

doi:10.9721/kjfst.2017.49.3.274

식육추출가공품 중 갈비탕에서의 Staphylococcus aureus 성장예측모델 개발
Development of a predictive model describing the growth of Staphylococcus aureus in processed meat product galbitang 원문보기

한국식품과학회지 = Korean journal of food science and technology, v.49 no.3, 2017년, pp.274 - 278

손나리 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 김안나 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 최원석 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 윤상현 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 서수환 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 주인선 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 김순한 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 곽효선 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과) , 조준일 (식품의약품안전처 식품의약품안전평가원 식품위해평가부 미생물과)

초록
AI-Helper

본 연구는 축산물에 대하여 쉽게 오염될 수 있는 S. aureus에 대해 축산제품에 속하는 식육추출가공품 중 갈비탕에 대해 식중독 예방과 식품의 안전성을 확보하기 위하여 Baranyi model을 이용하여 성장 예측모델을 개발하였다. DMFit 프로그램을 이용하여 S. aureus의 유도기(LPD)와 최대성장률(${\mu}_{max}$, maximum specific growth rate)을 산출하였다. S. aureus의 성장곡선은 4, 10, 20, $37^{\circ}C$의 보관 온도에서 측정하였다. Baranyi model의 LPD의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 256.04, 152.60, 5.41, 3.78 h으로 온도에 반비례 한 것으로 나타났다. 또한 ${\mu}_{max}$의 값은 4, 10, 20, $37^{\circ}C$의 저장 온도에서 각각 0.003, 0.007, 0.258, $0.528logCFU/g{\cdot}h$으로 온도에 비례 한 것으로 나타났다. 또한 일차식의 적합성을 나타내는 $R^2$ 값은 모두 0.9 이상으로 나타나 실험값과 예측값의 상관관계가 높은 것을 알 수 있었다. RMSE 값은 0.39로 비교적 0에 근접하게 나타난 것을 볼 수 있으며 개발된 예측모델의 적합성이 높다고 할 수 있다. 따라서 개발된 모델을 이용할 경우 식육추출가공품 중 갈비탕의 다양한 생산 환경과 온도에 따라 S. aureus의 성장을 예측할 수 있을 것이라고 사료된다. 갈비탕을 생산, 보관 및 판매하는 산업체에서 널리 활용할 수 있을 것이라고 생각되며 이를 위해평가에서 또한 충분히 활용가능 할 것이라고 생각되어진다.

Abstract ▼ AI-Helper

In this study, predictive mathematical models were developed to estimate the kinetics of Staphylococcus aureus growth in processed meat product galbitang. Processed meat product galbitang was inoculated with 0.1 mL of S. aureus culture and stored at 4, 10, 20, $37^{\circ}C$. The ${\mu}_{max}$ (maximum specific growth rate) and LPD (lag phase duration) values were calculated. The primary model was used to develop a response surface secondary model. The growth parameters were analyzed using the square root model as a function of storage temperature. The developed model was confirmed by calculating RMSE (Root Mean Square Error) values as statistic parameters. The LPD decreased, but ${\mu}_{max}$ increased with an increase in the storage temperature. At 4, 10, 20 and $37^{\circ}C$, $R^2$ was 0.99, 0.98, 0.99 and 0.99, respectively; RMSE was 0.39. The developed predictive growth model can be used to predict the risk of S. aureus contamination in processed meat product galbitang; hence, it has potential as an input model for the risk assessment.

주제어

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 유통·판매되는 식육추출가공품 중 냉동유통 제품과 멸균 처리된 실온제품에 대한 위해성은 배제하고 냉장상태로 유통·판매되는 갈비탕의 제품을 대상으로 성장예측모델을 적용하여 S. aureus의 성장 변화를 예측할 수 있는 수학적 모델을 개발하여 조건변화에 대한 식육추출가공품 중 갈비탕의 안전관리에 활용하고자 하였다.

제안 방법

본 연구에서는 갈비탕에서 S. aureus의 Baranyi model을 이용하여 1차 모델을 개발하였으며, 최대생장률(μ_max; maximum specific growth rate, log CFU/g·h), 유도기(LPD; lag phase duration, h),초기 세균수(N0; the initial bacterial counts, log CFU/g) 및 최대 생장 세균수(Nmax; the final bacterial counts, log CFU/g)를 온도별 생장패턴 결과를 이용하여 도출하였다.

대상 데이터

국내에 유통·판매되는 식육추출가공품 중 갈비탕 시료는 전국단위 26개 지역의 대형마트, 농협, 축협 등에서 구매하여 아이스박스에 보관하여 시험장소로 이동하였으며 실험 전까지 냉장 온도 4^oC에 보관되었다.
본 연구에 사용된 표준균주는 S. aureus ATCC 14458 (isolated from human), ATCC 27664 (isolated from chicken tetrazzini),ATCC 23235 (isolated from turkey salad), ATCC 13565 (isolated from ham) 및 ATCC 19095 (isolated from leg abscess)으로American Type Culture Collection (ATCC)에서 분양 받았으며,tryptic soy broth (TSB, Difco Laboratories, Detroiy, MI, USA)에전 배양하여 1mL을 vial tube에 50% 글리세롤(glycerol)을 첨가하여 −70^oC에 동결 보관하면서 실험에 사용하였다.

데이터처리

개발된 S. aureus 성장예측모델 식을 평가하고자 통계적 지표인 Root Mean Square Error (RMSE)을 산출하였다. RMSE는 실험을 통해 얻어진 값과 예측 값과의 차이를 이용하여 얻어지는 수치로, 이 값이 0에 가까울수록 개발된 모델의 적합도가 높아진다.

이론/모형

갈비탕에서 S. aureus의 μ_max와 LPD에 대한 저장 온도의 영향을 평가하기 위해 μ_max는 square root model, LPD는 polynomial equation을 사용하여 2차 모델을 개발하였다. 개발된 2차 모델의 결정계수 R²값은 μ_max와 LPD에서 각각 0.

성능/효과

aureus의 예측값을 이용하여 RMSE 값을 산출하였으며, 0에 가까울수록 모델이 적합하다고 평가할 수 있다(23). 갈비탕의 RMSE 값은 0.39로 도출되어 모델이 적합한 것으로 확인되었다(Table 2).
1). 최대성장률(μ_max)은 온도가 높아질수록 증가하여 37^oC에서 0.601log CFU/g·h으로 최대값을 보였고, 유도기(LPD)는 온도와 반비례적으로 감소하는 경향을 나타내어 4^oC에서 최대 357.67 h으로 확인되었다(Table 1). 따라서 최대성장률과 유도기 모두 온도에 대해 유의적인 차이가 있는 것으로 조사되었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	예측미생물학이란 무엇인가?	최근 생물학적 위해요소인 미생물에 의한 식중독 예방 대책으로 미생물 위해평가의 중요성이 강조되고 있으며 이에 대한 평가 방법으로 예측미생물학(predictive food microbiology, PFM)이크게 대두되고 있다(5,6). 이는 pH, Aw (water activity), NaCl의 함량과 같은 내부적인 요인(intrinsic factor)과 식품의 생산과 저장기간, 온도, 포장 방법, 습도 등의 외부적인 요인(extrinsic factor)에 따라 식품 중 미생물의 성장과 사멸을 예측할 수 있는 수학적 방법이다(7,8). 미생물의 성장을 수학적 모델에 의해 예측하고 평가할 수 있기 때문에 기존의 미생물 검사와 비교 시 정량적이고 신속한 예측이 가능하여 식중독 예방에 큰 효과가 있는 것으로 평가되고 있다(9).
	예측미생물학의 특징은 무엇인가?	이는 pH, Aw (water activity), NaCl의 함량과 같은 내부적인 요인(intrinsic factor)과 식품의 생산과 저장기간, 온도, 포장 방법, 습도 등의 외부적인 요인(extrinsic factor)에 따라 식품 중 미생물의 성장과 사멸을 예측할 수 있는 수학적 방법이다(7,8). 미생물의 성장을 수학적 모델에 의해 예측하고 평가할 수 있기 때문에 기존의 미생물 검사와 비교 시 정량적이고 신속한 예측이 가능하여 식중독 예방에 큰 효과가 있는 것으로 평가되고 있다(9). 현재 국내·외의 많은 나라에서 육류와 채소류 등의 원재료와 즉석섭취식품을 대상으로 다양한 병원성 미생물에 대한 성장예측모델을 개발하고 있다(10).
	우리나라 동물성 식품 매개 식중독 사고 사례로 증가되는 이유는 무엇인가?	현재 세계적으로 식품의 위생과 안전성 확보를 위해 과학 기술을 기반으로 한 체계적인 노력은 계속되고 있지만, 여전히 병원성 미생물에 의한 식중독 발생은 증가 추세로 대량화 및 집단화 특성을 보이고 있다(2). 특히 우리나라의 경우 과거 쌀을 비롯한 곡류 위주의 음식문화에서 육류 위주의 음식문화로 전환됨으로써 동물성 식품 매개 식중독 사고 사례가 증가하고 있으며 식품의약품안전처에서 제공하는 식중독 발생 통계치에 따르면 2014년도에 국내 식중독 발생에 따른 원인식품으로 육류 및 그 가공품이 두 번째로 높은 것으로 보고되었다. Staphylococcus aureus는 자연계에 광범위하게 분포하고 있으며 식품에 오염되는 경로도 매우 다양하므로 식품위생상 중요하게 다루어지고 있는 세균이며 전 세계적으로도 S.

참고문헌 (23)

Bahk GJ, Chun SJ, Park KH, Hong CH, Kim JW. Survey on the foodborne illness experience and awareness of food safety practice among Korean consumers. J. Food Hyg. Saf. 18: 139-145 (2003)
Cho JI, Lee SH, Lim JS, Kwak HS, Hwang IG. Development of a predictive model describing the growth of Listeria Monocytogenes in fresh cut vegetable. J. Food Hyg. Saf. 1: 25-30 (2011)
Kang YS, Yoon SK, Jwa SH, Lee DH, Woo GJ. Prevalence of Staphylococcus aureus in kimbap. J. Food Hyg. Saf. 17: 31-35 (2002)
Bean NH, Goulding JS, Matthew TD, Angulo FJ. Surveillance for foodborne disease outbreaks-United States 1988-1992. J. Food Prot. 60: 1265-1286 (1997)

상세보기
Koseki S, Isobe S. Prediction of pathogen growth on iceberg lettuce under real temperature history during distribution from farm to table. Int. J. Food Microbiol. 104: 239-248 (2005)

상세보기
Amit P, Theodore PL, Francisco D. Comparison of pri-mary predictive models to study the growth of Listeria monocytogenes at low temperatures in liquid cultures and selection of fastest growing ribotypes in meat and turkey product slurries. J. Food Microbiol. 25: 460-470 (2008)

상세보기
Chen H. Use of linear, Weibull and log-logistic functions to model pressure inactivation of seven foodborne pathogens in milk. J. Food Microbiol. 24: 197-204 (2007)

상세보기
Dligentte-Muller ML, Cornu M, Pouillot R, Denis JB. Use of Bayesian modelling in risk assessment: Application to growth of Listeria monocytogenes and food flora in cold-smoked salmon. J. Food Microbiol. 106: 195-208 (2006)

상세보기
Park SY, Choi JW, Chung DH, Kim MG, Lee KH, Kim KS, Bahk GJ, Bae DH, Park SK, Kim KY, Kim CH, Ha SD. Development of apredictive mathematical model for the growth kinetics of Listeria monocytogenes in sesame leaves. Food Sci. Biotechnol. 16: 238-242 (2007)

원문보기 상세보기
Park Hs, Bahk GJ, Park KH, Pak JY, Ryu K. Predictive Model for Growth of Staphylococcus aureus in Suyuk. Korean J. Food Sci. An. 30: 487-494 (2010)

원문보기 상세보기
Chung MS. Study on the risk management for risk reduction of Staphylococcus aureus in ready-to-eat foods (II). The final report of Korea Food and Drug Administration research project. Korea Health Industry Development Institute pp. 157-185 (2007)
Castillejo-Rodriguez AM, Gimeno RMG, Cosano GZ, Alcala EB, Perez MRR. Assessment of mathematical models for predicting Staphylococcus aureus growth in cooked meat products. J. Food Prot. 65: 659-665 (2002)

상세보기
Fujikawa H, Morozumi S. Modeling Staphylococcus aureus growth and enterotoxin production in milk. Food Microbiol. 23: 260-267 (2006)

상세보기
Kim EJ. Analysis of microbiological hazards and quantitative microbial risk assessment of Staphylococcus aureus inoculated onto potentially hazardous foods in school foodservice operations. MS thesis, Yonsei University, Seoul, Korea (2004)
Korean Dietetic Association. The Standard Recipe In: A Guideline for Foodservice Management. 283, Seoul, Korea (2007)
Han KS, Lee EJ, Hong SP. The prediction of shelf-life of commercialy sterilized Korean soups using accelerated experiment. Korean J. Food Cook. Sci. 21: 149-154 (2005)
FDA(Food and Drug Administration): Bad bug book. 2nd edition (2012)
Abigail MF, Catherine AB, Lief Rustvold D, Kim AH, Jessica H, James EL, Margret O. Clinical impact of a real-time PCR assay for rapid identification of Staphylococcal bacteremia. J. Clin. Microbiol. 50: 127-133 (2012)

상세보기
Park Ms, Cho JI, Lee SH, Bahk GJ. The analysis for minimum infective dose of foodborne disease pathogens by Meta-analysis. J. Food Hyg. Saf. 29: 305-311 (2014)

원문보기 상세보기
Song JY, Kim YS, Hong CH, Bahk GJ. Growth and predictive model of wild-type Salmonella spp. on temperature and time during cut and package processing in cold pork meats. J. Food Hyg. Saf. 28: 7-12 (2013)

원문보기 상세보기
Cho JI, Lee SH, Choi JH, Choi EJ, Hwang IG. Analysis of prevalence and survival pattern of Staphylococcus aureus from dried seasoned fishes. J. Food Hyg. Saf. 26: 366-369 (2011)
Park SG, Hwang YO, Jung JH, Lee KM. Biological characteristics of Staphylococcus aureus isoalted from food borne patients in Seoul. J. Food Hyg. Saf. 16: 159-167 (2001)
Baranyi J, Ross T, Roberts TA, McMeekin TA. Effects of parameterization on the performance of empirical models used in ‘predictive microbiology’. Food Microbiol. 13: 83-91 (1996)

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증