MICROBIOLOGÍA PREDICTIVA Y APLICACIONES

MICROBIOLOGÍA PREDICTIVA

Campo de estudio que combina elementos de la microbiología, matemáticas y estadística para

desarrollar modelos que además de describir, también predigan matemáticamente el
crecimiento o muerte de microorganismos cuando se ven sometidos a factores específicos
como: pH, Temperatura (T), actividad de agua (aw), entre otros [11].

La microbiología predictiva utiliza modelos matemáticos (construidos a partir de datos de

pruebas de laboratorio) conocidos como los “modelos predictivos” para describir
gráficamente esta respuesta.

MODELOS PREDICTIVOS

Los modelos utilizados se basan en datos empíricos que describen y caracterizan las respuestas
microbiológicas frente a factores ambientales (Geeraerd et al., 2004).

A este respecto, Ratkowsky et al. (2005) describieron los efectos de la temperatura en las tasas
de crecimiento de las poblaciones microbianas, basados en la desnaturalización reversible de las
proteínas, tanto a baja como a alta temperatura.

CLASIFICACIÓN DE LOS MODELOS PREDICTIVOS

De acuerdo al evento de comportamiento que describen, se encuentran [39]:

 Modelos de crecimiento: Estudian el aumento en la población de microorganismos.

 Modelos de inactivación: Estudian la muerte de los microorganismos bajo condiciones
especiales o la inactivación de los mismos o de sus toxinas.

De acuerdo al tipo de expresión matemática o aproximación estadística que los defina:

 Modelos probabilísticos: Como su nombre lo indica, se basa en el estudio de probabilidades

de que ocurra un evento en la población microbiana
 Modelos cinéticos: Estudian las velocidades o cinética de eventos o respuestas específicas
de microorganismos frente a los factores activadores del medioambiente

De acuerdo al diseño experimental o metodología llevada a cabo para su formulación, se

clasifican en:

 Modelos empíricos: Son el resultado de modelaciones de ensayo y error

 Modelos mecanicistas: Son aquellos que buscan comparar a través de experimentos

De acuerdo a la cantidad y tipo de variable que explican, esta clasificación es la más utilizada y
aceptada:

 Modelos primarios: Estudian las respuestas de los microorganismos frente al tiempo

 Modelos secundarios: Relacionan las respuestas de los modelos primarios frente a las
variables ambientales estudiadas
 Modelos terciarios: Se generan como el resultado de combinar los modelos primarios y
secundarios
APLICACIÓN DE LA MICROBIOLOGÍA PREDICTIVA

En el desarrollo de productos, los modelos predictivos pueden permitir al productor evaluar la

inocuidad y estabilidad de una nueva formulación e identificar aquellas que determinen la vida
de anaquel deseada.

Los modelos predictivos también son útiles cuando la vida de anaquel de un producto ha sido
determinada, pero luego este producto es objeto de cambios mínimos en el proceso o
formulación, de manera planificada o no. En consecuencia, se puede utilizar el modelo
predictivo para establecer inicialmente si el cambio afectará la estabilidad y vida de anaquel del
producto.

Los modelos predictivos permiten a los formuladores de productos identificar la combinación

de los factores que podrían afectar la vida de anaquel deseada. De ser necesario, estas
condiciones específicas se pueden ensayar de forma experimental.

El uso de los análisis de laboratorio en la formación del personal resulta prolongado, costoso y
poco ilustrativo. Por lo que las gráficas que se utilizan en los modelos predictivos resultan de
mucha utilidad para la formación del personal técnico del laboratorio. En el caso de personal
no técnico puede ayudar a ilustrarles el motivo por el cual deben realizar de manera correcta su
trabajo. En el caso del personal técnico, sería para que tenga una mejor comprensión de las
curvas de crecimiento bacteriano.

REFERENCIAS

1 Anaximandre Scientific and Technical Communication. (2010). How to use Sym´Previus.

2 Baranyi, J. ,Pin, C. Primer curso teóricopráctico en Microbiología Predictiva de Alimentos.

Facultad de Veterinaria,Universidad Complutense de Madrid. 2001

3 Buchanan, R.L. (1993). Predictive food microbiology. Microbiol. Food Sci. Technol. 4, 6–11.

4 Coll, F.; Giannuzzi, L.; Noia, M.A. y Zarizky, N. (2001). El modelado matemático: una
herramienta útil para la industria alimentaria. Ciencia Veterinaria, Facultad de Ciencias
Veterinarias UNLP. Panamá.

5 Geeraerd, A.H., Valdramidis, V.P., Devlieghere, F., Bernaerts, H., Debevere, J., Van Impe,
J.F., 2004. Development of a novel approach for secondary modelling in predictive
microbiology: incorporation of microbiological knowledge in black box polynomial
modelling. International Journal of Food Microbiology. 91: 229–244.

6 Fernández, P.S., et al., Predictive model of the effect of CO2, pH, temperature and NaCl on
the growth of Listeria monocytogenes. International Journal of Food Microbiology, 1997.
37(1): p. 37-45.

7 Ratkowsky. D. A., Olley, J., Ross, T. 2005. Unifying temperature effects on the growth rate
of bacteria and the stability of globular proteins. Journal Theoretical Biology 233: 351-62.