浓缩果汁中嗜酸耐热菌和耐热霉菌的检测与研究

来源 :武汉轻工大学 | 被引量 : 0次 | 上传用户:cykic
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
嗜酸耐热菌,即脂环酸芽孢杆菌(Alicyclobacillus spp.),能抵抗果汁加工环节中的高温瞬时灭菌过程,而且在pH成酸性的果汁中生长良好,从而导致了果汁风味的劣变和败坏。脂环酸芽孢杆菌在果汁加工过程中是需要严格控制的微生物,为果汁的主要品质控制指标之一。我国对脂环酸芽孢杆菌研究较少,分离方法、检测技术等方面均不完善,且大多脂环酸芽孢杆菌的研究都在苹果汁中。国际贸易中严格要求每10 mL浓缩果汁中脂环酸芽孢杆菌的含量小于1个。因此,果汁生产线上脂环酸芽孢杆菌的检测与研究对我国果汁行业具有十分重大的意义。本研究以果汁生产线上不同批次的果汁成品,浓缩果汁原料,糖和水为研究材料,具体研究结果如下:(1)选用柠檬酸调节的YSG培养基在45℃培养2~5天作为果汁中分离脂环酸芽孢杆菌的选择培养基。(2)本研究采用优化后的常规检测法与MPN计数法对24个批次的浓缩果汁原料进行检测,MPN检出率高达87.5%,分离得到43株疑似脂环酸芽孢杆菌,运用16S rRNA基因序列分析鉴定分离株均为脂环酸芽孢杆菌属,其中1株A.acidiphilus,4株属于A.mali,9株属于A.vulcanalis,3株属于A.acidoterrestris,剩下的全部属于A.acidocaldarius及其亚种。(3)在研究过程中发现,耐热霉菌也能经受果汁加工过程中的高温瞬时灭菌而存活。对15个批次浓缩果汁中的耐热霉菌进行检测与鉴定,检出率达53.3%。再采用28S rDNA序列分析鉴定霉菌的种属,检出的耐热霉菌以正青霉(Eupenicillium)和蓝状菌(Talaromyces)为主,还有少量白耙齿菌、栓菌和座囊菌属。(4)对标准株A.acidoterrestris ATCC49025和典型分离株进行特性研究:A.mali COJI3-2和A.acidocaldarius subsp ROJD1-1的生长情况很相似,45℃培养时,都在pH1.73和pH6.20下几乎不生长,在pH5.05下菌种生长最旺盛,7~37h进入快速生长的对数期,而糖中分离得到的A.vulcanalis T4-2和标准株A.acidoterrestris ATCC49025的生长情况很相似,在pH1.73和pH6.20下几乎不生长,在pH2.91时生长最旺盛,7~19h进入对数期;A.acidoterrestris和A.vulcanalis的分离株能产生愈创木酚,而A.mali分离株不产愈创木酚。A.acidocaldarius subsp的结果尚不能完全确定;用标准株接种正常样品橙汁,味觉变化不是很大,主要是酸味有所上升。
其他文献
作为国家经济发展的重要支撑与重要组成部分,国有企业是我国财政收入的重要来源,也是推动中国特色社会主义经济社会不断发展的先锋力量。国有企业的健康有序发展,对于推动我
中国改革开放30年以来,经济得到长足的发展,但同时中国也进入了转型的关键时期。我国一直以来的定位是劳动密集型国家,低廉的劳动力成本是我国的比较优势,然而随着全球一体化
随着社会的不断进步,尤其在改革开放之后,我国企业的制度发展不断取得新成效。在企业管理中,企业的内部控制需要重视,大部分的企业内部控制并不完善,一直以来都是问题,这样会
以数字化、网络化、移动性、低进入壁垒为特征的新媒体技术裹夹着全球化的飓风,正在改写整个世界信息传播的形态、格局、结构和规则。信息传播技术的发展和便携式计算机的普
随着教育信息化发展的不断深入,媒体与技术的不断发展以及现代教学理念的深化。国内越来越多的学校引进了iPad移动设备,并试点开展iPad进课堂活动,作为信息化教育的前沿尝试,
1996年以来,我们分别采用曲安缩松和醋酸强地松龙混悬液行病灶区基底部注射的方法,治疗口腔扁平苔癣(OLP),观察两种药物的临床效果,现报告如下。1临床资料1.1病人及分组经临床及病理诊断为OLP病人
在新闻稿件中,恰当地使用直接引语不仅可以增强新闻的真实性与权威性,同时也会令读者产生身临其境的现场感,增强新闻稿件的可读性。同时,正确合理地使用直接引语,还可有效规避新闻
近年来,人们越来越关注从生理学到食品科学的不同领域中抗氧化剂的作用和重要性,检测清除自由基能力是评价样品抗氧化能力是一种良好方法。自由基氧化及其产生的中间产物严重
采用超高压法、超高压处理后再用木瓜蛋白酶水解、超高压下直接酶解等方法分别处理南美白对虾水溶性蛋白,虾肉组织和虾仁,消减其过敏原。结果表明:对提取的水溶性蛋白,采用超
非均衡数据的分类问题广泛存在于金融、医疗、电信等领域,而传统的分类方法如决策树、支持向量机等存在对少数类识别不够准确的问题。本文针对严重非均衡数据提出一种非迭代核逻辑回归的学习方法,不仅减轻了由于迭代所造成的运算负担,而且在模型训练中利用了基准的类别占比信息,避免了进行诸如欠抽样、过抽样等通常处理非均衡数据的方式,使得在数据规模大的非均衡数据情形下,可以方便的对核逻辑回归进行建模,构造具有稳健性的