不同培养温度下金黄葡萄球菌生长曲线的对比研究开题报告

1. 研究目的与意义

（1）金黄色葡萄球菌是一种重要致病菌，在自然界中无处不在，空气、水、灰尘及人和动物的排泄物中都可以找到。

近年来，据美国疾病控制与预防中心报告，由金黄色葡萄球菌引起的感染占第二位，仅次于大肠杆菌。

研究不同温度对金黄色葡萄球菌生长曲线的影响，了解金黄色葡萄球菌在不同温度的耐性，对于食品在适宜贮藏温度范围等方面有重要作用。

2. 研究内容和预期目标

研究内容：15℃、25℃、35℃、45℃四个不同温度下金黄色葡萄球菌的生长曲线。

关键问题：15℃条件下培养时间长，空白对照组易被污染，需要多配制几组空白对照。

3. 国内外研究现状

（1）温度和接种量对搅打奶油中金黄色葡萄球菌生长及产肠毒素的影响。

（2）搅打奶油是金黄色葡萄球菌良好的培养剂，一旦受到污染并且条件适宜，金黄色葡萄球菌生长迅速并且在较短的时间就可产生肠毒素；即便是较低的贮藏温度条件（15℃），依然不能完全阻止金黄色葡萄球菌的生长和产肠毒素。

因此作为使用搅打奶油的食品企业必须做好操作环节的卫生，尽可能减少和防止的金黄色葡萄球菌的污染，同时产品必须贮存于5℃以下的环境中，并且要防止温度波动，这样方可有效防止金黄色葡萄球菌导致的食物中毒事件

4. 计划与进度安排

一、准备阶段：收集资料、查阅文献，学习并掌握微生物生长曲线的测定方法。

分光光度计的使用方法和注意事项，实验方法的设计。

二、实验阶段：营养肉汤的配制与灭菌、等量分装到锥形瓶中、种菌液的培养、接菌、一定温度下恒温培养（15℃、25℃、35℃、45℃）、用分光光度计测量不同时间点的od值（0h、1.5h、3h、4h、6h、8h、10h、12h、14h、16h、18h、20h、22h。

5. 参考文献

[1]李飞燕, 冯晓慧, 罗欣. 贮藏过程中冷却牛肉微生物模型的建立[J]. 食品与发酵工业. 2011, 37(07): 220-224.[2]Alvarez-Ordonez A, Fernandez A, Lopez M. Relationship between membrane fatty acid composition and heat resistance of acid and cold stressed Salmonella senftenberg CECT 4384[J]. Food Microbiology, 2009, 26 (3): 347-363.[3]Scaramuzza N, Berni E. Heat-resistance of Hamigera avellanea and Thermoascus crustaceus isolated from pasteurized acid products[J]. International Journal of Food Microbiology, 2014, 168-169: 63-68.[4]Govers S K, Aertsen A. Impact of high hydrostatic pressure processing on individual cellular resuscitation times and protein aggregates in Escherichia coli[J]. International Journal of Food Microbiology, 2015, 213: 17-23.[5]Lorido L, Est#233;vez M, Ventanas J, Ventanas S. Comparative study between Serrano and Iberian dry-cured hams in relation to the application of high hydrostatic pressure and temporal sensory perceptions. LWT [J]. Food Science and Technology, 2015, 64(2): 1234-1242.[6]Omer M K, Prieto B, Rendueles E, Alvarez-Ordontilde;ez A. Microbiological, physicochemical and sensory parameters of dry fermented sausages manufactured with high hydrostatic pressure processed raw meat[J]. Meat Science, 2015, 108: 115-119.[7]Garc#305;#769;a-Gimeno R. M., Herv#225;s-Mart#305;#769;nez C., de Sil#243;niz M. I. Improving artificial neural networks with a pruning methodology and genetic algorithms for their application in microbial growth prediction in food. International Journal of Food Microbiology, 2002, 72, (1#8211;2), 19-30.[8]Sagarzazu, N., Cebrian, G., Condon, S., et al. High hydrostatic pressure resistance of Campylobacter jejuni after different sublethal stresses[J]. Applied Microbiology,2009, 109(1): 146-155.