郭全友 朱彦祺，2 姜朝军 李保国

    (1 中国水产科学研究院东海水产研究所 上海200090 2 上海理工大学医疗器械与食品学院 上海200093)

    腐败希瓦氏菌(Shewanella putrefaciens)属于革兰氏阴性菌，适宜低温下生长[1-2]，能产生H2S、TMA、CH4SH 和(CH3)2S 等挥发性物质，腐败潜力强，被确认为有氧冷藏海水鱼的特定腐败菌(Specific spoilage organisms，SSO)[3-4]。研究者针对水产品腐败希瓦氏菌生态特性、生长动力学、货架期预测、靶向抑制和抑菌机制等进行了探究，如修艳辉等[5]研究了环境因子对大黄鱼腐败希瓦氏菌生长影响的计数法。蓝蔚青等[6]研究了复合生物保鲜剂对腐败希瓦氏菌的抑菌机理。水产品在加工、销售、流通和贮藏过程中微生物受内在和外在因子的影响，特别在运输过程中温度易产生波动，多因子交互作用下可能产生拮抗和协同作用。

    通过设置“抑菌栅栏”和改变栅栏强度达到抑制微生物的作用。采用微生物生长/非生长(Growth/no growth，N/NG)界面模型可定量分析不同栅栏下目标微生物生长的可能性 (或概率)，获得不同环境因子下的生长/非生长信息，定量调节水产品内外环境，达到杀灭或抑制作用。微生物生长/非生长界面模型常采用Logistic 回归法[7]，食品中微生物生长/非生长界限模型多为致病菌模型，如单增李斯特菌[8]、黄曲霉菌和蜡样芽孢杆菌等模型[9]，用于控制微生物毒素的产生，保障食品安全。目前食品腐败菌模型的开发相对较少，如乳酸菌和结合酵母[10]等，通过定量控制微生物的生长/非生长，延长产品的货架期。人工神经网络(Artificial neural Network，ANN)在食品加工工程中已广泛应用[11]，其中PNN(Probabilistic Neural Network)神经网络算法适用于生长/非生长模型的建立，具有结构简单和训练速度快的特点，可利用线性学习算法实现非线性学习算法的功能，对微生物生长/非生长数据进行快速分类[12-13]。采用Logistic 回归法和PNN 人工神经网络算法构建aw、pH 及盐分交互作用下腐败希瓦氏菌生长/非生长界面模型未见研究报道。

    本文选取鱼源腐败希瓦氏菌为研究对象，研究室温(25 ℃)条件下pH、aw 及盐分(NaCl)对菌株腐败希瓦氏菌生长概率的交互影响，采用二阶线性Logistic 回归方程拟合和PNN 人工神经网络算法构建环境因子交互作用下生长/非生长界面模型。旨在评估鱼源腐败希瓦氏菌在pH、aw 和盐分范围的生长动态 ......