[논문]저장온도에 따른 마른김(Pyropia pseudolinearis)의 Bacillus cereus 성장예측모델 개발

최만석; 김지윤; 전은비; 박신영

doi:10.5657/kfas.2020.0699

저장온도에 따른 마른김(Pyropia pseudolinearis)의 Bacillus cereus 성장예측모델 개발
Predictive Growth Models of Bacillus cereus on Dried Laver Pyropia pseudolinearis as Function of Storage Temperature 원문보기

한국수산과학회지 = Korean journal of fisheries and aquatic sciences, v.53 no.5, 2020년, pp.699 - 706

최만석 (경상대학교 해양산업연구소) , 김지윤 (경상대학교 해양산업연구소) , 전은비 (경상대학교 해양산업연구소) , 박신영 (경상대학교 해양산업연구소)

Abstract ▼ AI-Helper

Predictive models in food microbiology are used for predicting microbial growth or death rates using mathematical and statistical tools considering the intrinsic and extrinsic factors of food. This study developed predictive growth models for Bacillus cereus on dried laver Pyropia pseudolinearis stored at different temperatures (5, 10, 15, 20, and 25℃). Primary models developed for specific growth rate (SGR), lag time (LT), and maximum population density (MPD) indicated a good fit (R2≥0.98) with the Gompertz equation. The SGR values were 0.03, 0.08, and 0.12, and the LT values were 12.64, 4.01, and 2.17 h, at the storage temperatures of 15, 20, and 25℃, respectively. Secondary models for the same parameters were determined via nonlinear regression as follows: SGR=0.0228-0.0069*T1+0.0005*T12; LT=113.0685-9.6256*T1+0.2079*T12; MPD=1.6630+0.4284*T1-0.0080*T12 (where T1 is the storage temperature). The appropriateness of the secondary models was validated using statistical indices, such as mean squared error (MSE<0.01), bias factor (0.99≤Bf≤1.07), and accuracy factor (1.01≤Af≤1.14). External validation was performed at three random temperatures, and the results were consistent with each other. Thus, these models may be useful for predicting the growth of B. cereus on dried laver.

주제어

표/그림 (7)

그림 Fig. 1. Growth curves of Bacillus cereus on dried laver Pyropia pseudolinearis at 5, 10, 15, 20, 25°C. Error bars indicate the standard deviations for the mean of two replicates of three samples at each storage time and temperature.
표 Table 1. Growth parameters of Bacillus cereus on dried laver Pyropia pseudolinearis obtained from the Gompertz equation for the primary modeling
표 Table 2. Growth parameters of Bacillus cereus on dried laver Pyropia pseudolinearis obtained from the polynomial equation for the secondary modeling
표 Table 4. Comparison of the observed and predicted growth parameter values of Bacillus cereus on dried laver Pyropia pseudolinearis
표 Table 3. Internal validation of the secondary modeling using statistical indices for growth parameters of Bacillus cereus on dried laver Pyropia pseudolinearis
그림 Fig. 2. Comparative plots of the observed and predicted SGR (a), LT (b), and MPD (c) for Bacillus cereus on dried laver Pyropia pseudolinearis.
표 Table 5. External validation of the secondary modeling using statistical indices for growth parameters of Bacillus cereus on dried laver Pyropia pseudolinearis

AI 본문요약
AI-Helper

문제 정의

본 연구는 마른 김의 저장온도-시간 관계 측면에서 마른 김의 생산, 유통, 소비, 보관 전 과정에서 증식할 수 있는 B. cereus 의 성장예측모델을 제시하였다. 수산물의 예측미생물학 연구는 아직 왕성하게 진행되지는 않았으나, 최근 성장예측모델 개발은 과거의 broth 상의 pilot study를 뛰어넘어 실제 식품의 각 위해요소 식중독균을 직접 접종하여 모델을 개발하는 방향으로 전환되고 있다(Juneja et al.

제안 방법

1825년 Gompertz가 인구동태 조사 결과를 경험식으로 제시한 Gompertz model equation은 Sigmoid형의 미생물 성장곡선을 표현하기 위해 사용하는 대표적인 연속함수 식이며, 현재 상용화 되는 pathogen modeling program (PMP) 등의 개발에 사용되었다(FAO/WHO, 2002). 각 온도별(5, 10, 15, 20, 25℃) 김에 오염된 B. cereus의 생육 결과(Fig. 1)를 기초로 저장 온도와 시간에 따른 MPD값과 변형된 Gompertz model equation을 적용하여 1차 모델링 SGR과 LT를 산출하였다(Table 1). Nauta et al.
도출된 최대증식속도(SGR)와 유도기(LT)의 온도 및 초기 오염균수와의 상관관계 규명을 위해 Gompertz model equation을 통해 구한 SGR과 LT 값을 SAS version 9.4 (SAS Institute, Inc., Cary, NC, USA) 프로그램을 이용하여 도출된 매개변수를 수학적 정량평가모델인 polynomial equation에 대입하여 모델을 개발하였다. 2차 모델 polynomial equation은 다음과 같다(Yang et al.
본 연구에서는 김의 저장온도에 따른 B. cereus의 최대 증식 속도(specific growth rate, SGR)와 유도기(lag time, LT) 및 최대개체군밀도(maximum population density, MPD)에 대하여 Graphad PRISM version 8 (Graphad Software, San diego, CA, USA) 프로그램을 이용하여 실험결과를 Gompertz equation에 대입하여 산출하였다. 1차 모델 Gompertz equation은 다음과 같다(Yang et al.

대상 데이터

본 연구에서 사용된 마른김(Pyropia pseudolinearis)은 M마트(Tongyeong, Korea)에서 구입한 김을 사용하였다. 시험균의 접종 전 김 시료의 표면 잔존미생물 제거를 위해 70% 에탄올로 표면을 닦은 후, 멸균된 가위를 이용해 가로 6 cm, 세로 6 cm의 크기로 절단하여 1 g을 칭량해 petri dish (90×15 mm)에 담아 사용하였다.
본 연구에서 사용한 Bacillus cereus (ATCC 11778, ATCC 14579, ATCC 14893)는 American type culture collection에서 분양 받은 것으로 glycerol stock으로 -80°C에서 보관중인 균주를 사용하였다. 보존 배양된 각 시험 균주는 tryptic soy broth(TSB; BD/Difco Laboratories, Detroit, MI, USA)에 접종하여 37℃의 배양기에서 18-24시간 동안 2차례 전배양시킨 후 본 실험에 사용하였다.

데이터처리

모든 실험은 각 샘플링 시간별로 3개의 시료를 사용하여 2회 반복으로 수행하였으며, 통계프로그램은 SPSS version 25.0 software (SPSS Inc., Chicago, IL, USA)에서 one-way ANOVA 중 Duncan’s multiple range test를 사용하여 P<0.05에서 각 온도별 SGR, LT 및 MPD의 유의성을 조사하였다. 또한, Paired t-test를 사용하여 P<0.

이론/모형

개발된 B. cereus 성장예측 모델의 내부검증(internal validation)을 평가하기 위한 적합성 평가로 coefficient of determination (R²), Mean square error (MSE), bias factor (B_f), accuracy factor (A_f) 값을 사용하였다(Park et al., 2019b). R²은 회귀분석식에서 종속변수 y의 데이터 Yi에 대하여 yi의 총변동합에 대한 변동합의 비율을 구한 값으로서 0에서 1사이의 값을 나타낸다(Duffy et al.

성능/효과

, 2006). 내부 및 외부 모델링 결과의 실험값과 예측값의 전체 비교는 Fig. 2에 나타냈으며, 모든 결과의 비교에 대한 회귀분석 결과 R²가 0.90 이상의 높은 상관관계를 보였으며 최종적으로 본 연구의 모델링은 받아들여질 수 있다고 판단하였다.
05). 반면에, 미생물이 성장을 시작하기 이전에 주위 환경에 적응하는 기간을 나타내는 B. cereus의 LT는 저장 온도가 높아질수록 유의적으로 감소하였다(P<0.05). 본 연구와 유사하게, Juneja et al.
1 사이면 모델이 10% 과소 및 과대 예측된 것이다(Ross, 1996). 본 연구의 A_f값은 SGR (1.14), LT (1.13), MPD (1.01)으로 SGR 및 LT의 A_f값은 14, 13%의 오차가 있으나 다른 두 통계지표 MSE, B_f값이 매우 높은 적합성을 나타내므로 본 모델링은 통계적으로 신뢰성을 확보하였다.

후속연구

하지만 본 연구의 한계로는 미생물 성장관련 중요한 인자를 저장온도만으로 한정하였다는 것이다. 그러나, 본 성장예측 모델은 마른 김의 제조공정에서 HACCP 시스템 적용시 critical control point 및 한계기준설정에 활용될 수 있으며, 또한 미생물위해평가(microbial risk assessment) 수행과정의 노출평가(exposure assessment)를 위한 simulation model에 접목하여 마른김의 제조, 유통 및 소비 전 과정에서 온도-시간 조건별 B. cereus의 성장이 추정 가능하며 이를 근거로 위생관리 및 기준설정에 활용이 가능하리라 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	김의 영양학적 특징은?	8억 달러의 역대 최고 수출액을 달성하였다(MOF, 2020). 김은 칼슘, 마그네슘, 철분, 아연, 비타민 등이 많이 함유되어 있어 영양가가 풍부하며 맛이 좋아 예로부터 각종 미네랄, 식이 섬유 및 영양소의 공급원으로 애용되어 온 영양 기호식품이다(Kim et al., 2014).
	김의 주요 관리 대상 식중독세균인 B. cereus의 성장 최적온도는?	B. cereus의 성장 최적 온도는 28-35°C이며 균주에 따라 최저 4-5°C, 최대 55°C에서도 성장이 가능하다(MFDS, 2016; Jo et al., 2017; NIFDS, 2019).
	김이란?	김(Laver Pyropia sp.)은 홍조 식물문, 홍조강, 김 파래목, 김 파래과에 속하며, 한국뿐만 아니라 일본·중국 등의 해외에서도 식용하며, 증산(增産)을 위해 양식하는 대표적 품목이다(KATI, 2019; Kwon et al., 2018).

참고문헌 (36)

Bahk GJ, Oh DH, Ha SD, Park KH, Joung MS, Chun SJ, Park JS, Woo GJ and Hong CH. 2005. Quantitative microbial risk assessment model for Staphylococcus aureus in Kimbab. Korean J Food Sci Technol 37, 484-491.
Carrasco E, Garcia-Gimeno R, Seselovsky R, Valero A, Perez F, Zurera G and Todd E. 2006. Predictive model of Listeria monocytogenes growth rate under different temperatures and acids. Food Sci Technol Int 12, 47-56. http://doi.org/10.1177/1082013206062234.

상세보기
Chen H. 2007. Use of linear, Weibull, and log-logistic functions to model pressure inactivation of seven foodborne pathogens in milk. Food Microbiol 24, 197-204. http://doi.org/10.1016/j.fm.2006.06.004.

상세보기
Cronin UP and Wilkinson MG. 2009. The growth, physiology and toxigenic potential of Bacillus cereus in cooked rice during storage temperature abuse. Food Control 20, 822-828. https://doi.org/10.1016/j.foodcont.2008.10.018.

상세보기
Duffy LL, Vanderline PB and Grau FH. 1994. Growth of Listeria monocytogens on vaccum-packed cooked meats: effects of pH, Aw, nitrite and sodium ascorbate. Int J Food microbiol 23, 377-390. https://doi.org/10.1016/0168-1605(94)90164-3.

상세보기
Enkhjargal L, Min KJ and Yoon KS. 2013. Development and validation of predictive model for foodborne pathogens in preprocessed namuls and wild root vegetables. J Korean Soc Food Sci Nutr 42, 1690-1700. https://doi.org/10.3746/jkfn.2013.42.10.1690.

원문보기 상세보기
FAO/WHO (Food and Agriculture Organization of the United Nations/World Health Organization). 2002. Principles and guidelines for incorporating microbiological risk assessment in the development of food safety standards, guidelines and related textes. Report of a Joint FAO/WHO Consultation ANNEX III, 18-22.
Jo AH, Choi HN, Heo DB, Kwon SM and Kim JB. 2017. Prevalence and toxin characteristics of Bacillus cereus isolated from drinking cups in spring. J Food Hyg Saf 32, 50-56. https://doi.org/10.13103/JFHS.2017.32.1.50.

원문보기 상세보기
Juneja VK, Golden CE, Mishra A, Harrison MA, Mohr T and Silverman M. 2019. Predictive model for growth of Bacillus cereus during cooling of cooked rice. Int J Food Microbiol 290, 49-58. https://doi.org/10.1016/j.ijfoodmicro.2018.09.023.

상세보기
Kang KA, Kim YW and Yoon KS. 2010. Development of predictive growth models for Staphylococcus aureus and Bacillus cereus on various food matrices consisting of readyto-eat (RTE) foods. Food Sci Anim Resour 30, 730-738. https://doi.org/10.5851/kosfa.2010.30.5.730.

원문보기 상세보기
KATI (Korea Agricultural Trade Information). 2019. Current state of exports and imports of laver in the last 5 years in Korea. Retrieved from http://www.kati.net/product/basisInfo.do?lcdCodeMD178 on May 11, 2020.
Kim AJ and Shin JK. 2014. Nonthermal sterilization of dried laver by intense pulsed light with batch system. Korean J Food Sci Technol 46, 778-781. https://doi.org/10.9721/KJFST.2014.46.6.778.

원문보기 상세보기
Kim KW, Hwang JH, Oh MJ, Kim MY, Choi MR and Park WM. 2014. Studies on the major nutritional components of commercial dried lavers Porphyra yezoensis cultivated in Korea. Korean J Food Preserv 21, 702-709. https://doi.org/10.11002/kjfp.2014.21.5.702.

원문보기 상세보기
Kim SH, Kim JS, Choi JP and Kim JH. 2006. Prevalence and frequency of food-borne pathogens on unprocessed agricultural and marine products. Korean J Food Sci Technol 38, 594-598.
Kim SY and Oh DH. 2014. Predictive modeling of Bacillus cereus on carrot treated with slightly acidic electrolyzed water and ultrasonication at various storage temperatures. J Korean Soc Food Sci Nutr 43, 1296-1303. https://doi.org/10.3746/jkfn.2014.43.8.1296.

원문보기 상세보기
Koseki S and Isobe S. 2007. Prediction of pathogen growth on iceberg lettuce under real temperature history during distribution from farm to table. Int J Food Microbiol 104, 239-248. http://doi.org/10.1016/j.ijfoodmicro.2005.02.012.

상세보기
Kwon K, Ryu DG, Jeong MC, Kang EH, Jang Y, Kwon, JY, Kim JM, Shin IS and Kim YM. 2018. Analysis of microbial contaminants and microbial changes during dried-laver Pyropia spp. Processing. Korean J Fish Aquat Sci 51, 8-14. https://doi.org/10.5657/KFAS.2018.0008.
Lee CS. 2018. A study on laver industry’s global export competitiveness. J Int Trade Insur 19, 175-192.
Lee EJ, Kim GR, Lee HJ and Kwon JH. 2017. Monitoring microbiological contamination, pre-decontamination, and irradiation status of commercial dried laver (Porphyra sp.) products. Korean J Food Sci Technol 49, 20-27. https://doi.org/10.9721/KJFST.2017.49.1.20

원문보기 상세보기
Lim YE and Lim O. 2013. The study on the change of Korea and Korean image by extension of Korean wave culture. J Jpn Lang Lit 57, 449-471. https://doi.org/10.17003/jllak.2013.84.2.449.
MFDS (Korea Ministry of Food and Drug Safety). 2019. Food code regulations in Korea. Retrieved from https://www.mfds.go.kr/eng/brd/m_15/view.do?seq69982 on May 6, 2020.
MFDS (Korea Ministry of Food and Drug Safety). 2016. Microbial risk profile. MFDS Food Risk Assessment Department Report, MFDS, Cheongju, Korea, 3-38.
MOF (Korea Ministry of Oceans and Fisheries). 2020. Current state of marine products exports in 2019. Retrieved from https://www.mof.go.kr/iframe/article/view.do?articleKey28414&boardKey10&menuKey376curentPageNo1 on May 4, 2020.
Moon SY, Woo GJ and Shin IS. 2005. Development of predictive growth model of Listeria monocytogenes using mathematical quantitative assessment model. Korean J Food Sci Technol 37, 194-198.
Nauta MJ, Litman S, Barker GC and Carlin F. 2003. A retail and consumer phase model for exposure assessment of Bacillus cereus. Int J Food Microbiol 83, 205-218. https://doi.org/10.1016/S0168-1605(02)00374-4.

상세보기
NIFDS (Korea National Institute of Food and Drug Safety Evaluation). 2019. Risk assessment of Bacillus cereus in pastes. NIFDS Food Risk Assessment Report, NIFDS, Cheongju, Korea, 1-33.
Park HS, Bahk GJ, Park KH, Pak JY and Ryu K. 2010. Predictive model for growth of Staphylococcus aureus in Suyuk. Food Sci Anim Resour 30, 487-494. https://doi.org/10.5851/kosfa.2010.30.3.487.

원문보기 상세보기
Park SY, Choi SY and Ha SD. 2019a. Predictive modeling for the growth of Aeromonas hydrophila on lettuce as a function of combined storage temperature and relative humidity. Foodborne Pathog Dis 16, 376-383. http://doi.org/10.1089/fpd.2018.2590.

상세보기
Park SY, Zhang CY and Ha SD. 2019b. Predictive modeling for the growth of Salmonella enterica serovar Typhimurium on lettuce washed with combined chlorine and ultrasound during storage. J Food Hyg Saf 34, 374-379. https://doi.org/10.13103/JFHS.2019.34.4.374.

원문보기 상세보기
Ross T. 1996. Indices for performance evaluation of predictive models in food microbiology. J Appl Bacteriol 81, 501-508. https://doi.org/10.1111/j.1365-2672.1996.tb03539.x.

상세보기
Ross T, Dalgaard P and Tienungoon S. 2000. Predictive modelling of the growth and survival of Listeria in fishery products. Int J Food Microbiol 62, 231-245. https://doi.org/10.1016/S0168-1605(00)00340-8.

상세보기
Schoeni JL and Lee wong AC. 2005. Bacillus cereus food poisoning and its toxins. J Food Prot 68, 636-648. https://doi.org/10.4315/0362-028X-68.3.636.

상세보기
Walls I and Scott VN. 1996. Validation of predictive mathematical models describing the growth of Escherichia coli O157:H7 in raw ground beef. J Food Prot 59, 1331-1335. https://doi.org/10.4315/0362-028X-59.12.1331.

상세보기
Yang S, Park SY and Ha SD. 2016. A predictive growth model of Aeromonas hydrophila on chicken breasts under various storage temperatures. LWT Food Sci Technol 69, 98-103. https://doi.org/10.1016/j.lwt.2016.01.016.

상세보기
Yoon YH. 2014. Marine environments and production of laver farm at Aphae-do based on water quality and phytoplankton community. Korean J Environ Biol 32, 159-167. https://doi.org/10.11626/KJEB.2014.32.3.159.

원문보기 상세보기
Ziane M, Leguerinel I and Membre JM. 2019. A quantitative microbiological exposure assessment of Bacillus cereus group IV in couscous semolina, Algeria. Microb Risk Anal 11, 11-22. https://doi.org/10.1016/j.mran.2018.07.001.

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