Titulo:
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa
.
Sumario:
Staphylococcus aureus es una bacteria de origen alimentario aislada frecuentemente de quesos responsables de causar intoxicaciones alimentarias. El objetivo de este estudio fue construir un modelo secundario para evaluar el crecimiento de S. aureus en queso costeño, empacado con película activa. Las muestras de queso costeño se inocularon con S. aureus y se cubrieron con la película activa, elaborada con extracto acuoso de Schinopsis balansae. Luego, las muestras de queso se almacenaron a 6, 12, 18 y 21 °C. El modelo de Huang fue ajustado a los datos experimentales de S. aureus, para obtener parámetros de crecimiento. Después, se usó la tasa de crecimiento máxima (µmáx) en función de la temperatura para construir el modelo secundario, usand... Ver más
Guardado en:
0123-4226
2619-2551
26
2023-12-31
Rafael González-Cuello, Fidel Guardo-Palomino, Leidy Mendoza-Nova - 2023
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| id |
metarevistapublica_udca_revistau.d.c.aactualidad_divulgacioncientifica_94_article_2245 |
|---|---|
| record_format |
ojs |
| institution |
UNIVERSIDAD DE CIENCIAS APLICADAS Y AMBIENTALES |
| thumbnail |
https://nuevo.metarevistas.org/UNIVERSIDADDECIENCIASAPLICADASYAMBIENTALES/logo.png |
| country_str |
Colombia |
| collection |
Revista U.D.C.A Actualidad & Divulgación Científica |
| title |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa |
| spellingShingle |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa González-Cuello, Rafael Guardo-Palomino, Fidel Mendoza-Nova, Leidy Artisanal cheese Enterotoxin Foodborne disease Microbiological contamination Food preservation Plant extract Contaminación microbiológica Conservación de alimentos Enterotoxina Extracto vegetal Intoxicación por alimentos Queso artesanal |
| title_short |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa |
| title_full |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa |
| title_fullStr |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa |
| title_full_unstemmed |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa |
| title_sort |
desarrollo de modelo predictivo para el crecimiento de staphylococcus aureus en queso costeño cubierto con película activa |
| title_eng |
Development of a predictive model for the growth of Staphylococcus aureus in costeño chesee covered with active film |
| description |
Staphylococcus aureus es una bacteria de origen alimentario aislada frecuentemente de quesos responsables de causar intoxicaciones alimentarias. El objetivo de este estudio fue construir un modelo secundario para evaluar el crecimiento de S. aureus en queso costeño, empacado con película activa. Las muestras de queso costeño se inocularon con S. aureus y se cubrieron con la película activa, elaborada con extracto acuoso de Schinopsis balansae. Luego, las muestras de queso se almacenaron a 6, 12, 18 y 21 °C. El modelo de Huang fue ajustado a los datos experimentales de S. aureus, para obtener parámetros de crecimiento. Después, se usó la tasa de crecimiento máxima (µmáx) en función de la temperatura para construir el modelo secundario, usando una ecuación polinomial. La aplicación de película activa de S. balansae tuvo una influencia significativa en los parámetros de crecimiento de S. aureus, como la tasa de crecimiento máxima (μmax), la fase de latencia (λ) y la población celular máxima (Ymax), en el queso costeño. El proceso de validación se realizó midiendo los índices: factor de exactitud (Af), factor de sesgo (Bf) y error cuadrático medio (ECM). El modelo secundario tenía factores Af y Bf cercanos a uno, lo que indica que los modelos obtenidos son viables para predecir el crecimiento de S. aureus en queso envasado con película activa, tomando en consideración la temperatura y el tiempo de almacenamiento.
|
| description_eng |
Staphylococcus aureus is a foodborne bacterium frequently isolated from cheeses, and it is responsible for causing food poisoning. The purpose of this study was to develop a secondary model to assess the growth of S. aureus in costeño cheese packaged with an active film. Costeño cheese samples were inoculated with S. aureus and covered with an active film made from an aqueous extract of Schinopsis balansae. Subsequently, the cheese samples were stored at temperatures of 6, 12, 18, and 21 °C. The Huang model was applied to the experimental data of S. aureus to determine growth parameters. The maximum growth rate (µmax) was then used as a function of temperature to create the secondary model using a polynomial equation. The results indicate that the application of the active film of S. aureus had a significant influence on growth parameters of S. aureus such as µmax, lag-phase (λ), and maximum cell population (Ymax) in Costeño cheese. The validation process included measuring the indices: accuracy factor (Af), bias factor (Bf), and root mean square error (RMSE). The secondary model exhibited Af and Bf factors close to one, suggesting that the polynomial models are viable to predict S. aureus growth in cheese packaged with active film, considering temperature and storage time.
|
| author |
González-Cuello, Rafael Guardo-Palomino, Fidel Mendoza-Nova, Leidy |
| author_facet |
González-Cuello, Rafael Guardo-Palomino, Fidel Mendoza-Nova, Leidy |
| topic |
Artisanal cheese Enterotoxin Foodborne disease Microbiological contamination Food preservation Plant extract Contaminación microbiológica Conservación de alimentos Enterotoxina Extracto vegetal Intoxicación por alimentos Queso artesanal |
| topic_facet |
Artisanal cheese Enterotoxin Foodborne disease Microbiological contamination Food preservation Plant extract Contaminación microbiológica Conservación de alimentos Enterotoxina Extracto vegetal Intoxicación por alimentos Queso artesanal |
| topicspa_str_mv |
Contaminación microbiológica Conservación de alimentos Enterotoxina Extracto vegetal Intoxicación por alimentos Queso artesanal |
| citationvolume |
26 |
| citationissue |
2 |
| citationedition |
Núm. 2 , Año 2023 :Revista U.D.C.A Actualidad & Divulgación Científica. Julio-Diciembre |
| publisher |
Universidad de Ciencias Aplicadas y Ambientales U.D.C.A |
| ispartofjournal |
Revista U.D.C.A Actualidad & Divulgación Científica |
| source |
https://revistas.udca.edu.co/index.php/ruadc/article/view/2245 |
| language |
eng |
| format |
Article |
| rights |
http://creativecommons.org/licenses/by-nc/4.0 Rafael González-Cuello, Fidel Guardo-Palomino, Leidy Mendoza-Nova - 2023 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| references_eng |
AĈAI, P.; VALÍK, L.; MEDVEĎOVÁ, A.; STUDENIČOVÁ A. 2014. Staphylococcus aureus in unripened ewes' lump cheese. Part 1: Exposure assessment after first 24 h of fermentation. Journal Food and Nutrition Research. 53:143-151. 2. ALJASIR, S.F.; D’AMICO, D.J. 2020. The effect of protective cultures on Staphylococcus aureus growth and enterotoxin production. Food Microbiology. 91:103541. https://doi.org/10.1016/j.fm.2020.103541 3. BARANYI, J.; PIN, C.; ROSS, T. 1999. Validating and comparing predictive models. International Journal Food Microbiology. 48:159-166. https://doi.org/10.1016/S0168-1605(99)00035-5 4. BRAUN, P.; SUTHERLAND, J.P. 2003. Predictive modelling of growth and enzyme production and activity by a cocktail of Pseudomonas spp., Shewanella putrefaciens and Acinetobacter sp. International Journal of Food Microbiology. 86:271-282. https://doi.org/10.1016/S0168-1605(02)00564-0 5. CAI, H.; PEI, S.; ZHANG, Y.; LIU, R.; LU, S.; LI, B.; DONG, J.; WANG, Q.; ZHU, X.; JI, H. 2023. Construction of a dynamic model to predict the growth of Staphylococcus aureus and the formation of enterotoxins during Kazak cheese maturation. Food Microbiology. 112:104234. https://doi.org/10.1016/j.fm.2023.104234 6. CHOI, W.S.; SON, N.; CHO, J.I.; JOO, I.S.; HAN, J.A.; KWAK, H.S., HONG, J.H.; SUH, S.H. 2019. Predictive model of Staphylococcus aureus growth on egg products. Food Science and Biotechnology. 28:913-922. http://dx.doi.org/10.1007/s10068-018-0529-4 7. DING, T.; SHIM, Y.H.; KIM, H.N.; HA, S.D.; CHUNG, M.S.; HWANG, I.G.; OH, D.H. 2011. Development of predictive model for the growth of Staphylococcus aureus in Kimbab. Food Science and Biotechnology. 20:471-476. https://doi.org/10.1007/s10068-011-0065-y 8. FOOD AND DRUG ADMINISTRATION, FDA. 2022. Bad bug book: Handbook of foodborne pathogenic microorganisms and natural toxins. Segunda edición. US Food and Drug Administration Silver Spring. Disponible desde Internet en: https://www.fda.gov/food/foodborne-pathogens/bad-bug-book-second-edition 9. GEITENES, S.; BATISTA DE OLIVEIRA, M.F.; KALSCHNE, D.L.; PEREIRA SARMENTO, C.M. 2013. Modelagem do crescimento de bactérias láticas e análise microbiológica em apresuntado e presunto cozido fatiados e embalados à vácuo. Revista Ciências Exatas e Naturais. 15:113-133. 10. GOMES DE ARAÚJO, V.; OLIVEIRA ARRUDA, M.D.; DUARTE, F.N.D.; DE SOUSA, J.M.B.; LIMA, M.D.C.; DA CONCEICAO, M.L.; SCHAFFNER, D. W.; LEITE DE SOUZA, E. 2017. Predicting and Modelling the Growth of Potentially Pathogenic Bacteria in Coalho Cheese. Journal of Food Protection. 80(7):1172-1181. https://doi.org/10.4315/0362-028X.JFP-16-523 11. GONZÁLEZ-CUELLO, R.; GUARDO-PALOMINO, F.; SÁNCHEZ-CASTILLA, A.; ALVEAR-PICÓN, M.; MARSIGLIA-FUENTES, R. 2018. Changes of the dynamic properties of films based on carrageenan by microcapsules incorporation. Contemporary Engineering Sciences. 11:689-696. https://doi.org/10.12988/ces.2018.8266 12. HUANG, L.H. 2013. IPMP 2013 A comprehensive data analysis tool of predictive microbiology. International Journal of Food Microbiology. 171:100-107. https://doi.org/10.1016/j.ijfoodmicro.2013.11.019 13. KIM, Y.H.; NAM, G.W.; YOON, K.S. 2018. Growth and survival of Staphylococcus aureus on beef jerky as a function of temperature. Journal of Food Safety. 38:12495. https://doi.org/10.1111/jfs.12495 14. LIN, L.; YUN, H.; WU, Y.; CHEN, M.; OU, J.; YAN, L. 2018. Assessment of the inhibitory effects of sodium nitrite, nisin, potassium sorbate, and sodium lactate on Staphylococcus aureus growth and staphylococcal enterotoxin A production in cooked pork sausage using a predictive growth model. Food Science and Human Wellness. 7:83-90. https://doi.org/10.1016/j.fshw.2017.12.003 15. LÓPEZ, F.N.; QUINTANA, M.C.; FERNÁNDEZ, A.G. 2006. The use of a D-optimal design to model the effects of temperature, NaCl, type and acid concentration on Lactobacillus pentosus IGLAC01. Journal of Applied Microbiologgy. 101:913-926. https://doi.org/10.1111/j.1365-2672.2006.02979.x 16. LOTHA, R.; SHAMPRASAD, B.; SUNDARAMOORTHY, N.; GANAPATHY, R.; NAGARAJAN, S.; SIVASUBRAMANIAN, A. 2018. Zero valent silver nanoparticles capped with capsaicinoids containing Capsicum annuum extract, exert potent anti-biofilm effect on food borne pathogen Staphylococcus aureus and curtail planktonic growth on a zebrafish infection model. Microbial Pathogenesis. 124:291-300. https://doi.org/10.1016/j.micpath.2018.08.053 17. PASCH, H.; PIZZI, A.; RODE, K. 2001. MALDI-TOF mass spectrometry of polyflavonoid tannins. Polymer. 42:7531-7539. https://doi.org/10.1016/S0032-3861(01)00216-6 18. PÉREZ, F.; VALERO, A. 2013. Predictive microbiology in foods. Ed. Springer New York, NY. p.128 19. ROSS, T. 1999. Predictive food microbiology models in the meat industry. Meat and livestock Australia Sydney, Australia. p.196. 20. RUBAB, M.; SHAHBAZ, H.M.; OLAIMAT, A.N.; OH, D.H. 2018. Biosensors for rapid and sensitive detection of Staphylococcus aureus in food. Biosnsors and Bioelectronics. 105:49-57. https://doi.org/10.1016/j.bios.2018.01.023 21. SALVAT, A.; ANTONACCI, L.; FORTUNATO, H.; SUAREZ, Y.; GODOY, M. 2001. Screening of some plants from Northern Argentina for their antimicrobial activity. Letters in Applied Microbiology. 32:293-297. https://doi.org/10.1046/j.1472-765x.2001.00923.x 22. SARAIVA, A.M.; SARAIVA, C.L.; CORDEIRO, R.P.; SOARES, R.R.; XAVIER, H.S.; CAETANO, N. 2013. Atividade antimicrobiana e sinérgica das frações das folhas de Schinopsis brasiliensis Engl. frente a clones multirresistentes de Staphylococcus aureus. Revista Brasileira de Plantas Medicinais. 15:199-207. https://doi.org/10.1590/S1516-05722013000200006 23. VALÍK, L.; AČAI, P.; MEDVED’OVÁ, A. 2018. Application of competitive models in predicting the simultaneous growth of Staphylococcus aureus and lactic acid bacteria in milk. Food Control. 87:145-152. https://doi.org/10.1016/j.foodcont.2017.12.018 24. VENTER, P.B.; SISA, M.; VAN DER MERWE, M.J.; BONNET, S.L.; VAN DER WESTHUIZEN, J.H. 2012. Analysis of commercial proanthocyanidins. Part 1: The chemical composition of quebracho (Schinopsis lorentzii and Schinopsis balansae) heartwood extract. Phytochemistry. 73:95-105. https://doi.org/10.1016/j.phytochem.2011.10.006 25. VILLANUEVA, D.; MARRUGO, J. 2014. Efectos de los ácidos grasos de la dieta y sus metabolitos en células de la respuesta alérgica. Revista Médica Sanitas. 17:212-230. 26. YU, H.H.; SONG, Y.J.; KIM, Y.M.; LEE, H.Y.; CHOI, Y.S.; LEE, N.K.; PAIK, H.D. 2020. Predictive model of growth kinetics for Staphylococcus aureus in raw beef under various packaging systems. Meat Science. 165:108108. https://doi.org/10.1016/j.meatsci.2020.108108 |
| type_driver |
info:eu-repo/semantics/article |
| type_coar |
http://purl.org/coar/resource_type/c_6501 |
| type_version |
info:eu-repo/semantics/publishedVersion |
| type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| type_content |
Text |
| publishDate |
2023-12-31 |
| date_accessioned |
2023-12-31T00:00:00Z |
| date_available |
2023-12-31T00:00:00Z |
| url |
https://revistas.udca.edu.co/index.php/ruadc/article/view/2245 |
| url_doi |
https://doi.org/10.31910/rudca.v26.n2.2023.2245 |
| issn |
0123-4226 |
| eissn |
2619-2551 |
| doi |
10.31910/rudca.v26.n2.2023.2245 |
| url4_str_mv |
https://revistas.udca.edu.co/index.php/ruadc/article/download/2245/2717 |
| url2_str_mv |
https://revistas.udca.edu.co/index.php/ruadc/article/download/2245/2720 |
| _version_ |
1811201188896440320 |
| spelling |
Desarrollo de modelo predictivo para el crecimiento de Staphylococcus aureus en queso costeño cubierto con película activa Development of a predictive model for the growth of Staphylococcus aureus in costeño chesee covered with active film Staphylococcus aureus es una bacteria de origen alimentario aislada frecuentemente de quesos responsables de causar intoxicaciones alimentarias. El objetivo de este estudio fue construir un modelo secundario para evaluar el crecimiento de S. aureus en queso costeño, empacado con película activa. Las muestras de queso costeño se inocularon con S. aureus y se cubrieron con la película activa, elaborada con extracto acuoso de Schinopsis balansae. Luego, las muestras de queso se almacenaron a 6, 12, 18 y 21 °C. El modelo de Huang fue ajustado a los datos experimentales de S. aureus, para obtener parámetros de crecimiento. Después, se usó la tasa de crecimiento máxima (µmáx) en función de la temperatura para construir el modelo secundario, usando una ecuación polinomial. La aplicación de película activa de S. balansae tuvo una influencia significativa en los parámetros de crecimiento de S. aureus, como la tasa de crecimiento máxima (μmax), la fase de latencia (λ) y la población celular máxima (Ymax), en el queso costeño. El proceso de validación se realizó midiendo los índices: factor de exactitud (Af), factor de sesgo (Bf) y error cuadrático medio (ECM). El modelo secundario tenía factores Af y Bf cercanos a uno, lo que indica que los modelos obtenidos son viables para predecir el crecimiento de S. aureus en queso envasado con película activa, tomando en consideración la temperatura y el tiempo de almacenamiento. Staphylococcus aureus is a foodborne bacterium frequently isolated from cheeses, and it is responsible for causing food poisoning. The purpose of this study was to develop a secondary model to assess the growth of S. aureus in costeño cheese packaged with an active film. Costeño cheese samples were inoculated with S. aureus and covered with an active film made from an aqueous extract of Schinopsis balansae. Subsequently, the cheese samples were stored at temperatures of 6, 12, 18, and 21 °C. The Huang model was applied to the experimental data of S. aureus to determine growth parameters. The maximum growth rate (µmax) was then used as a function of temperature to create the secondary model using a polynomial equation. The results indicate that the application of the active film of S. aureus had a significant influence on growth parameters of S. aureus such as µmax, lag-phase (λ), and maximum cell population (Ymax) in Costeño cheese. The validation process included measuring the indices: accuracy factor (Af), bias factor (Bf), and root mean square error (RMSE). The secondary model exhibited Af and Bf factors close to one, suggesting that the polynomial models are viable to predict S. aureus growth in cheese packaged with active film, considering temperature and storage time. González-Cuello, Rafael Guardo-Palomino, Fidel Mendoza-Nova, Leidy Artisanal cheese Enterotoxin Foodborne disease Microbiological contamination Food preservation Plant extract Contaminación microbiológica Conservación de alimentos Enterotoxina Extracto vegetal Intoxicación por alimentos Queso artesanal 26 2 Núm. 2 , Año 2023 :Revista U.D.C.A Actualidad & Divulgación Científica. Julio-Diciembre Artículo de revista Journal article 2023-12-31T00:00:00Z 2023-12-31T00:00:00Z 2023-12-31 text/xml application/pdf Universidad de Ciencias Aplicadas y Ambientales U.D.C.A Revista U.D.C.A Actualidad & Divulgación Científica 0123-4226 2619-2551 https://revistas.udca.edu.co/index.php/ruadc/article/view/2245 10.31910/rudca.v26.n2.2023.2245 https://doi.org/10.31910/rudca.v26.n2.2023.2245 eng http://creativecommons.org/licenses/by-nc/4.0 Rafael González-Cuello, Fidel Guardo-Palomino, Leidy Mendoza-Nova - 2023 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0. AĈAI, P.; VALÍK, L.; MEDVEĎOVÁ, A.; STUDENIČOVÁ A. 2014. Staphylococcus aureus in unripened ewes' lump cheese. Part 1: Exposure assessment after first 24 h of fermentation. Journal Food and Nutrition Research. 53:143-151. 2. ALJASIR, S.F.; D’AMICO, D.J. 2020. The effect of protective cultures on Staphylococcus aureus growth and enterotoxin production. Food Microbiology. 91:103541. https://doi.org/10.1016/j.fm.2020.103541 3. BARANYI, J.; PIN, C.; ROSS, T. 1999. Validating and comparing predictive models. International Journal Food Microbiology. 48:159-166. https://doi.org/10.1016/S0168-1605(99)00035-5 4. BRAUN, P.; SUTHERLAND, J.P. 2003. Predictive modelling of growth and enzyme production and activity by a cocktail of Pseudomonas spp., Shewanella putrefaciens and Acinetobacter sp. International Journal of Food Microbiology. 86:271-282. https://doi.org/10.1016/S0168-1605(02)00564-0 5. CAI, H.; PEI, S.; ZHANG, Y.; LIU, R.; LU, S.; LI, B.; DONG, J.; WANG, Q.; ZHU, X.; JI, H. 2023. Construction of a dynamic model to predict the growth of Staphylococcus aureus and the formation of enterotoxins during Kazak cheese maturation. Food Microbiology. 112:104234. https://doi.org/10.1016/j.fm.2023.104234 6. CHOI, W.S.; SON, N.; CHO, J.I.; JOO, I.S.; HAN, J.A.; KWAK, H.S., HONG, J.H.; SUH, S.H. 2019. Predictive model of Staphylococcus aureus growth on egg products. Food Science and Biotechnology. 28:913-922. http://dx.doi.org/10.1007/s10068-018-0529-4 7. DING, T.; SHIM, Y.H.; KIM, H.N.; HA, S.D.; CHUNG, M.S.; HWANG, I.G.; OH, D.H. 2011. Development of predictive model for the growth of Staphylococcus aureus in Kimbab. Food Science and Biotechnology. 20:471-476. https://doi.org/10.1007/s10068-011-0065-y 8. FOOD AND DRUG ADMINISTRATION, FDA. 2022. Bad bug book: Handbook of foodborne pathogenic microorganisms and natural toxins. Segunda edición. US Food and Drug Administration Silver Spring. Disponible desde Internet en: https://www.fda.gov/food/foodborne-pathogens/bad-bug-book-second-edition 9. GEITENES, S.; BATISTA DE OLIVEIRA, M.F.; KALSCHNE, D.L.; PEREIRA SARMENTO, C.M. 2013. Modelagem do crescimento de bactérias láticas e análise microbiológica em apresuntado e presunto cozido fatiados e embalados à vácuo. Revista Ciências Exatas e Naturais. 15:113-133. 10. GOMES DE ARAÚJO, V.; OLIVEIRA ARRUDA, M.D.; DUARTE, F.N.D.; DE SOUSA, J.M.B.; LIMA, M.D.C.; DA CONCEICAO, M.L.; SCHAFFNER, D. W.; LEITE DE SOUZA, E. 2017. Predicting and Modelling the Growth of Potentially Pathogenic Bacteria in Coalho Cheese. Journal of Food Protection. 80(7):1172-1181. https://doi.org/10.4315/0362-028X.JFP-16-523 11. GONZÁLEZ-CUELLO, R.; GUARDO-PALOMINO, F.; SÁNCHEZ-CASTILLA, A.; ALVEAR-PICÓN, M.; MARSIGLIA-FUENTES, R. 2018. Changes of the dynamic properties of films based on carrageenan by microcapsules incorporation. Contemporary Engineering Sciences. 11:689-696. https://doi.org/10.12988/ces.2018.8266 12. HUANG, L.H. 2013. IPMP 2013 A comprehensive data analysis tool of predictive microbiology. International Journal of Food Microbiology. 171:100-107. https://doi.org/10.1016/j.ijfoodmicro.2013.11.019 13. KIM, Y.H.; NAM, G.W.; YOON, K.S. 2018. Growth and survival of Staphylococcus aureus on beef jerky as a function of temperature. Journal of Food Safety. 38:12495. https://doi.org/10.1111/jfs.12495 14. LIN, L.; YUN, H.; WU, Y.; CHEN, M.; OU, J.; YAN, L. 2018. Assessment of the inhibitory effects of sodium nitrite, nisin, potassium sorbate, and sodium lactate on Staphylococcus aureus growth and staphylococcal enterotoxin A production in cooked pork sausage using a predictive growth model. Food Science and Human Wellness. 7:83-90. https://doi.org/10.1016/j.fshw.2017.12.003 15. LÓPEZ, F.N.; QUINTANA, M.C.; FERNÁNDEZ, A.G. 2006. The use of a D-optimal design to model the effects of temperature, NaCl, type and acid concentration on Lactobacillus pentosus IGLAC01. Journal of Applied Microbiologgy. 101:913-926. https://doi.org/10.1111/j.1365-2672.2006.02979.x 16. LOTHA, R.; SHAMPRASAD, B.; SUNDARAMOORTHY, N.; GANAPATHY, R.; NAGARAJAN, S.; SIVASUBRAMANIAN, A. 2018. Zero valent silver nanoparticles capped with capsaicinoids containing Capsicum annuum extract, exert potent anti-biofilm effect on food borne pathogen Staphylococcus aureus and curtail planktonic growth on a zebrafish infection model. Microbial Pathogenesis. 124:291-300. https://doi.org/10.1016/j.micpath.2018.08.053 17. PASCH, H.; PIZZI, A.; RODE, K. 2001. MALDI-TOF mass spectrometry of polyflavonoid tannins. Polymer. 42:7531-7539. https://doi.org/10.1016/S0032-3861(01)00216-6 18. PÉREZ, F.; VALERO, A. 2013. Predictive microbiology in foods. Ed. Springer New York, NY. p.128 19. ROSS, T. 1999. Predictive food microbiology models in the meat industry. Meat and livestock Australia Sydney, Australia. p.196. 20. RUBAB, M.; SHAHBAZ, H.M.; OLAIMAT, A.N.; OH, D.H. 2018. Biosensors for rapid and sensitive detection of Staphylococcus aureus in food. Biosnsors and Bioelectronics. 105:49-57. https://doi.org/10.1016/j.bios.2018.01.023 21. SALVAT, A.; ANTONACCI, L.; FORTUNATO, H.; SUAREZ, Y.; GODOY, M. 2001. Screening of some plants from Northern Argentina for their antimicrobial activity. Letters in Applied Microbiology. 32:293-297. https://doi.org/10.1046/j.1472-765x.2001.00923.x 22. SARAIVA, A.M.; SARAIVA, C.L.; CORDEIRO, R.P.; SOARES, R.R.; XAVIER, H.S.; CAETANO, N. 2013. Atividade antimicrobiana e sinérgica das frações das folhas de Schinopsis brasiliensis Engl. frente a clones multirresistentes de Staphylococcus aureus. Revista Brasileira de Plantas Medicinais. 15:199-207. https://doi.org/10.1590/S1516-05722013000200006 23. VALÍK, L.; AČAI, P.; MEDVED’OVÁ, A. 2018. Application of competitive models in predicting the simultaneous growth of Staphylococcus aureus and lactic acid bacteria in milk. Food Control. 87:145-152. https://doi.org/10.1016/j.foodcont.2017.12.018 24. VENTER, P.B.; SISA, M.; VAN DER MERWE, M.J.; BONNET, S.L.; VAN DER WESTHUIZEN, J.H. 2012. Analysis of commercial proanthocyanidins. Part 1: The chemical composition of quebracho (Schinopsis lorentzii and Schinopsis balansae) heartwood extract. Phytochemistry. 73:95-105. https://doi.org/10.1016/j.phytochem.2011.10.006 25. VILLANUEVA, D.; MARRUGO, J. 2014. Efectos de los ácidos grasos de la dieta y sus metabolitos en células de la respuesta alérgica. Revista Médica Sanitas. 17:212-230. 26. YU, H.H.; SONG, Y.J.; KIM, Y.M.; LEE, H.Y.; CHOI, Y.S.; LEE, N.K.; PAIK, H.D. 2020. Predictive model of growth kinetics for Staphylococcus aureus in raw beef under various packaging systems. Meat Science. 165:108108. https://doi.org/10.1016/j.meatsci.2020.108108 https://revistas.udca.edu.co/index.php/ruadc/article/download/2245/2717 https://revistas.udca.edu.co/index.php/ruadc/article/download/2245/2720 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_1843 info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |