Quantificações físico-químicas e microbiológicas e modelagem matemática do comportamento microbiano em queijos tipo minas artesanal maturados em diferentes condições

Abstract

Resumo : Os objetivos do presente trabalho foram maturar amostras de queijos produzidos a partir de leite cru no município de Jandaia do Sul em duas condições de tempo e temperatura, uma seguindo os padrões da legislação e outra simulando a maturação em temperatura ambiente; analisar alterações físico-químicas e microbiológicas das amostras ao longo da maturação; e desenvolver modelos matemáticos para descrever as cinéticas de crescimento e inativação de microrganismos presentes nos queijos a partir dos dados coletados. Para isso foram feitas análises de umidade, gordura, proteínas, acidez, pH, contagens de Escherichia coli, Estafilococos coagulase positiva, Lactobacillus spp., Streptococcus spp. e bolores e leveduras. O desenvolvimento dos modelos foi baseado na equação diferencial de primeira ordem que descreve o crescimento da população microbiana em conjunto com as equações de Richards, de Lotka-Volterra, logística adaptada de Gibson, Bratchell e Roberts e de aproximação da difusão adaptada. Os parâmetros dos modelos foram estimados e índices estatísticos foram calculados para avaliar os ajustes. Ao final das maturações à 9 °C e 21 °C, as amostras apresentaram umidade média de 15,00% e 14,65%, 85,00% e 85,36% de sólidos totais, 0,153% e 0,252% de acidez, pH de 5,74 e 5,21, 50,31% e 45,00% de gordura no extrato seco, 36,11% e 35,21% de proteína no extrato seco e 13,58% e 19,79% de cinzas e lactose no extrato seco, respectivamente. Em relação a concentração microbiana, todas as amostras apresentaram valores superiores aos estabelecidos pela legislação (103 UFC/g, tanto para E. coli, quanto para estafilococos coagulase positiva) desde o início até o final das duas condições de maturação. Portanto, não foi possível atingir a inocuidade das amostras. Os modelos propostos apresentaram valores de Raiz do Erro Quadrático Médio (RMSE) entre 0,097 e 0,350 log UFC/g e foram capazes de descrever a tendência geral dos dados com pouca discrepância, demonstrando suas capacidades preditivas

Abstract : The objectives of this work were to ripening samples of cheeses produced from raw milk in the city of Jandaia do Sul under two conditions of time and temperature, one following the legislation standards and another simulating maturation at room temperature; to analyze physical-chemical and microbiological changes in samples throughout ripeness; and to develop mathematical models that describe the growth and inactivation kinetics of microorganisms present in the cheese based on the data collected. For this purpose, analyzes of moisture, fat, proteins, acidity, pH, concentrations of Escherichia coli, coagulase-positive Staphylococci, Lactobacillus spp., Streptococcus spp., and molds and yeasts were conducted. The development of the models was based in a first-order differential equation describing the growth of the microbial population together with equations of Richards, the simplified Lotka-Volterra, modified Logistic by Gibson, Bratchell, and Roberts, and the diffusion approximation. Model parameters were estimated and statistical indices were calculated to evaluate the fits. At the end of maturation at 9 °C and 21 °C, the samples showed average moisture content of 15.00% and 14.65%, total solids of 85.00% and 85.36%, acidity of 0.153% and 0.252%, pH of 5.74 and 5.21, fat in dry matter of 50.31% and 45.00%, protein in dry matter of 36.11% and 35.21%, and ash and lactose in dry matter of 13.58% and 19.79%, respectively. Regarding microbial concentrations, all samples exhibited values above the established by regulations (103 CFU/g, both for E. coli and coagulase-positive Staphylococci) from the beginning to the end of both ripening conditions. Therefore, it was not possible to achieve the innocuity of the samples. The proposed models showed Root Mean Square Error (RMSE) values between 0.097 and 0.350 log CFU/g and they were able to describe the general trend of the data with little discrepancy, demonstrating their predictive capabilities