Search

[Resumen] El desperdicio alimentario supone un gran problema de sostenibilidad. El pescado, en concreto, es un producto especialmente perecedero, degradándose con mucha rapidez cuando la temperatura de almacenamiento no se controla adecuadamente. Los modelos matemáticos son herramientas útiles para predecir la evolución de la calidad del pescado durante el transporte y almacenamiento. Conocer la dinámica de la degradación con antelación también nos permitirá definir estrategias para reducir el desperdicio alimentario y aumentar el valor añadido del pescado. En este trabajo se presenta una nueva metodología para la descripción de la evolución de calidad de filetes de merluza (Merluccius merluccius) envasada en atmósferas modificadas durante el transporte y almacenamiento. Dicha metodología consta de dos partes: un modelo basado en los mecanismos del proceso que describe la evolución de dos de los indicadores de calidad más utilizados (contenido bacteriano y bases volátiles), y un modelo de aprendizaje automático que permite correlacionar dichos indicadores con un indicador sensorial, el QIM (del inglés, Quality Index Method). Para la evolución de las bases volátiles se propone un nuevo modelo basado en la ley de potencias. Además, en este trabajo, los parámetros desconocidos del modelo se estiman utilizando datos experimentales. En el caso de los modelos de aprendizaje automático, se comparan técnicas de redes neuronales y árboles de decisión utilizando diferentes indicadores del error. El modelo combinado supone un avance en la predicción de calidad, ya que permite predecir el QIM a partir, exclusivamente, de datos de temperatura y obtener resultados satisfactorios., [Abstract] Food waste is a significant sustainability problem. Fish, in particular, is a very perishable product. In fact, spoilage increases rapidly when the storage temperature is not adequately controlled. Mathematical models are useful tools to predict fish quality evolution during transport and storage. This knowledge will help to develop strategies to reduce food waste and to increase the product value. In this work, we propose a new methodology to predict the evolution of quality, during transport and storage, of hake fillets packed in modified atmospheres. It consists of two parts: a model based on the process mechanisms to describe the evolution of two highly used quality indicators (bacterial content and volatile bases), and a machine learning model to correlate such indicators with one of the most employed sensory indexes: the Quality Index Method (QIM). Moreover, we propose a Power Law model to describe volatile bases evolution. We estimate the unknown parameters using experimental data. In the machine learning part, we compare random forest models and neural networks using several statistical techniques. Overall, this methodology is an improvement in fish quality prediction because it makes QIM prediction using just temperature data with promising results.

[Resumen] Las autoridades de seguridad alimentaria en los últimos años están demandando avances en el modelado y simulación de la lavado de frutas y verduras que permitan diseñar modos de operación sostenible (mínimo consumo de agua) garantizando la seguridad final del alimento Se requiere, además, evitar que los residuos y patógenos se trasladen del agua de lavado al alimento (contaminación cruzada). En este estudio, se simula el proceso de lavado y desinfección en un tanque industrial en régimen turbulento. Para modelar el transporte de especies (desinfectante, patógenos y materia orgánica), se considera la ecuación de advección-difusión. Para describir la inactivación de los patógenos en el agua, se incluye el modelo de reacción describiendo las interacciones entre las distintas especies. Los resultados revelan que, aunque un incremento en las velocidades del flujo (aumento de la turbulencia) genera mayor homogeneidad en la distribución de desinfectante, el tiempo característico del proceso resulta insuficiente para inactivar eficazmente los patógenos en el agua., [Abstract] Food safety authorities in recent years are demanding advances in modeling and simulating the washing of fruits and vegetables to support the development of sustainable operation designs (minimum water use) and guaranteeing final product safety. It is required, moreover, to avoid the transference of residues and pathogens from the wash water to the food (cross-contamination). In this study, we simulate an industrial washing and disinfection process in a tank in a turbulent regime. We consider the advectiondiffusion equation to model the species (disinfectant, pathogens, and organic matter) transport, and we include the reaction model between the different species to describe pathogen inactivation in the wash water. The results reveal that, although increasing flow velocities (increased turbulence) generates greater homogeneity in the disinfectant distribution, the characteristic time of the process becomes insufficient to inactivate pathogens in the water.

[Resumen] El rápido avance de la resistencia bacteriana a los antimicrobianos continúa fomentando la investigación en torno al modelado matemático de los mecanismos que conducen a la emergencia, transmisión y selección de resistencia. El enfoque más extendido para explicar las dinámicas de una población tratada con antimicrobiano consiste en clasificar las bacterias en sensibles y resistentes. Sin embargo, en la realidad existen infinidad de grados de resistencia intermedios en la población, lo que se conoce como heterorresistencia. En este trabajo, se propone un modelo matemático para explicar las dinámicas de una población heterorresistente, introduciendo el grado de resistencia como una variable aleatoria indicadora de la efectividad del antimicrobiano sobre la población. Se analizan las capacidades del modelo y se establecen, además, su observabilidad e identificabilidad estructurales., [Abstract] The rapid development of bacterial antimicrobial resistance still promotes the research on mathematical modelling of the mechanisms leading to the emergence, transmission and selection of resistance. The most common approach to explain the dynamics of an antimicrobial-treated population is to classify bacteria into sensitive and resistant. In reality, however, we can find infinite resistance degrees in the population, known as heteroresistance. In this paper, we propose a mathematical model to explain the dynamics of a heteroresistant population, introducing the resistance degree as a random variable indicating the effectiveness of the antimicrobial. We analyse the model’s capabilities and establish its structural observability and identifiability.

[Resumen] El morbidostato es un dispositivo de control asistido por ordenador diseñado para estudiar, en tiempo real, la dinámica fenotípica y genotípica de la adaptación y resistencia bacterianas. Dicho sistema incorpora un mecanismo encargado de activar o desactivar el flujo de cierta sustancia antimicrobiana hacia una serie de microreactores, dependiendo de mediciones en línea de la densidad óptica de la población, con el fin de mantener una concentración bacteriana estable en los diferentes cultivos. Así, por medio del componente de control, el morbidostato ejerce una presión constante sobre la selección de las bacterias y su resistencia a la sustancia antimicrobiana que se estudia. La ley de control a integrar en el morbidostato que se propone habitualmente en la literatura consiste en un algoritmo muy básico basado en dos reglas condicionales para determinar cuando se hace necesaria la incorporación de antimicrobiano al sistema. En este trabajo, se muestran dos resultados principales en este contexto: (1) desempeño de simulaciones para la extracción de condiciones bajo las cuales el control del morbidostato no logra estabilizar la población de microorganismos en la concentración objetivo y (2) el control, en tiempo real con estabilización rápida al punto de consigna, de la población bacteriana cuando se aplican técnicas de control predictivo basado en modelo., [Abstract] A morbidostat is a computer-aided control device to study phenotypic and genotypicreal-time dynamics of bacteria adaptation and resistance. This system includes a control mechanism to activate or deactivate the inflow of an antimicrobial substance into a series of microreactors, depending on online measurements of the population’s optical density, thus maintaining a steadystate bacterial concentration across the different cultures. In other words, the morbidostat actuates through the control component to maintain a constant drug selection pressure sufficient for bacterial adaptation or resistance to the antimicrobial substance under study. The morbidostat control law used so far in the literature consists of a fairly simple algorithm incorporating two conditional rules to determine when the addition of the antimicrobial to the system is necessary. In this work, we show two main results in this context: (1) to carry out simulations and extract conditions under which simple control in morbidostat cannot stabilize the concentration of microorganisms to the target concentration and (2) the realtime control, with stabilization to the target point, of the bacterial concentration using model predictive control.

[Resumen] En la industria alimentaria la calidad y la seguridad del alimento, así como los procesos implicados en su producción, envasado y transporte, se optimizan acudiendo a la microbiología predictiva. Esta disciplina modela el comportamiento de microorganismos, tales como bacterias, empleando modelos primarios para describir su crecimiento. Uno de los mayores retos en este contexto es modelar y simular el crecimiento cuando el número inicial de bacterias (inóculo) es reducido, ya que la población se comporta estocásticamente. Existen distintas alternativas de modelado, dependiendo de (1) el grado de detalle de la solución requerida, (2) los tiempos de cálculo y (3) la facilidad de calibración de sus parámetros. En este trabajo se comparan las soluciones y tiempos de cálculo, a la vez que se discute la identificabilidad estructural, cuando se aborda el problema desde una escala microscópica, con modelado basado en individuos, o desde una escala mesoscópica, mediante la derivación de la equivalente ecuación de Fokker–Planck modificada., [Abstract] Quality and safety in the food industry, as well as the processes involved in the production, packaging, and transport of food, may be optimised using predictive microbiology. This discipline models the behaviour of microorganisms and uses the socalled primary models to describe bacterial growth. One of the main challenges consists of explaining and simulating the growth when the number of initial bacteria (inoculum) is reduced because of the stochastic behaviour. There exist different alternatives to modelling such stochastic processes depending on: (1) the required level of detail for the solution; (2) the computational time; and (3) the possibility of estimating parameters from fast and inexpensive measurements. In this work, we compare the solutions, computational times and structural identifiability obtained using different alternatives: (1) microscopic scale considering individual-based models; and (2) mesoscopic scale considering the modified Fokker-Planck equation.

On‐land transport/storage of fresh fishery products (FFP) for up to 3 days in ‘tubs’ of three‐layered poly‐ethylene filled with freshwater and ice was compared to the currently authorised practice (fish boxes of high‐density poly‐ethylene filled with ice). The impact on the survival and growth of biological hazards in fish and the histamine production in fish species associated with a high amount of histidine was assessed. In different modelling scenarios, the FFP are stored on‐board in freshwater or seawater/ice (in tubs) and once on‐land they are ‘handled’ (i.e. sorted or gutted and/or filleted) and transferred to either tubs or boxes. The temperature of the FFP was assumed to be the most influential factor affecting relevant hazards. Under reasonably foreseeable ‘abusive’ scenarios and using a conservative modelling approach, the growth of the relevant hazards (i.e. Listeria monocytogenes, Aeromonas spp. and non‐proteolytic Clostridium botulinum), is expected to be <0.2 log10 units higher in tubs than in boxes after 3 days when the initial temperature of the fish is 0°C (‘keeping’ process). Starting at 7°C (‘cooling‐keeping’ process), the expected difference in the growth potential is higher (<1 log10 for A. hydrophila and <0.5 log10 for the other two hazards) due to the poorer cooling capacity of water and ice (tub) compared with ice (box). The survival of relevant hazards is not or is negligibly impacted. Histamine formation due to growth of Morganella psychrotolerans under the ‘keeping’ or ‘cooling‐keeping’ process can be up to 0.4 ppm and 1.5 ppm higher, respectively, in tubs as compared to boxes after 3 days, without reaching the legal limit of 100 ppm. The water uptake associated with the storage of the FFP in tubs (which may be up to 6%) does not make a relevant contribution to the differences in microbial growth potential compared to boxes.