Mouvements de levage et de descente

O comportamento de L. paracasei PXN 37 no suco de laranja e no requeijão cremoso na fase gástrica do sistema dinâmico foi simulada e sua viabilidade está apresentada na Tabela 5.

Tabela 5. Viabilidade da cepa L. paracasei PXN 37 inoculadas em diferentes matrizes alimentar

em função das proporções utilizadas, no início e final da etapa da digestão gástrica dinâmica.

Proporções Suco de Laranja Requeijão cremoso

Viabilidade T0 Viabilidade Tf Viabilidade T0 Viabilidade Tf 1:5 6,89a_{±0,12 6,42}a_{±0,30 7,45}a_{±0,27 6,80}a_±0,21 3:5 7,68a_{±0,23 7,37}a_{±0,26 7,41}a_{±0,09 7,11}a_±0,11

Letras diferentes indicam diferença significativa (p<0,05) entre as diferentes proporções de alimentos em relação a solução gástrica simuladas, no inicio ou final da digestão gástrica, pelo Teste T.

A digestão contínua do suco de laranja e requeijão cremoso inoculados com L. paracasei PXN 37, em diferentes quantidades, teve a intenção de validar os dados representativos do comportamento dos probióticos em condições mais próximas da realidade e dentro da faixa de pH estudada para solução gástrica (pH 2-3). A quantidade de alimento probiótico “ingerido” pode ser diretamente correlacionada com a sua sobrevivência dentro do sistema dinâmico. Neste estudo, durante a fase gástrica, não houve diferença significativa entre as contagens das diferentes proporções de alimentos em relação a solução gástrica (p>0,05) (Tabela 5) e as populações da cepa probiótica mantiveram acima de 6 log UFC/mL. O mesmo comportamento e viabilidade foi observado nas condições estáticas.

Por outro lado, as contagens de L. paracasei PXN 37 apresentaram reduções nas condições estudadas ao entrar em contato com aos fluidos entérico simulados durante o sistema dinâmico, com pH 5 e pH 7 (suco (1:5) – 6,42 log e suco (3:5) – 4,78 log; requeijão (1:5) – 6,80 log e requeijão (3:5) – 7,11 log UFC/g ou mL), indicando sua maior sensibilidade à essa fase, possivelmente devido a dificuldade de adaptação ao meio com mudança contínua de condições de pH.

As populações de L.paracasei PXN 37 inoculadas nas matrizes alimentares em diferentes proporções foram comparadas a dados da literatura (validação externa) com condições de pH gástrico semelhante ao estudado no sistema dinâmico e estão apresentadas nas Figuras 6, 7 e 8.

Figura 6: Avaliação do comportamento da cepa L. paracasei PXN 37 inoculadas em requeijão cremoso,

na fase gástrica da digestão, comparada à dados da literatura, em sistema dinâmico simulado.

Figura 7. Avaliação do comportamento da cepa L. paracasei PXN 37 inoculadas em suco de laranja,

na fase gástrica da digestão, comparada à dados da literatura, em sistema dinâmico simulado.

0 1 2 3 4 5 6 7 8 9 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 0,00 0,50 1,00 1,50 2,00 pH LO G N Tempo (Horas)

LOG N (Predito) - CLARK

LOG N (Observado) - REQUEIJÃO (1:5) pH LOG N(Observado) - REQUEIJÃO (3:5) LOG N (Predito) - LENNARD (1965) LOG N (Predito) LENNARD (1968) 0 1 2 3 4 5 6 7 8 9 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 0,00 0,50 1,00 1,50 2,00 pH LO G N Tempo (Horas)

LOG N (Predito) - CLARK

LOG N (Observado) - SUCO (1:5) pH LOG N(Observado) - SUCO (3:5) LOG N (PREDITO) - LENNARD (1965) LOG N (PREDITO) - LENNARD (1968)

Figura 8. Número de sobreviventes (log10 N) e taxa de inativação (hora elevado a -1) calculada utilizando dados da literatura no modelo secundário nas condições estáticas pelo tempo de exposição ao pH gástrico.

4. Conclusão

Os modelos preditivos para avaliação do comportamento de probióticos são ferramentas importantes para selecionar cepas mais resistentes aos processos fisiológicos e tecnológicos, em diferentes matrizes alimentares. Assim como avaliar melhor condição de sobrevivência no TGI. Os esporos dos Bacillus probióticos mantiveram–se estáveis durante toda a digestão, mostrando uma boa resistência às soluções do trato gastrintestinal, não gerando modelo preditivo. O L.paracasei PXN 37 apresentou cinética de inativação com bom ajuste do modelo (R2>0,90) no pH 1 no suco de laranja, no requeijão cremoso e quando colocado puramente direto na solução gástrica, onde não manteve as concentrações de células viáveis acima de 6 log UFC/g em ambos alimentos estudados. Nas outras condições de pH avaliados (pH 2-4), as reduções nas populações da cepa probiótica não prejudicaram sua viablidade ao final da digestão gástrica, apresentando contagens mais altas (>6 log UFC/g ou mL). Os dados gerados por modelos matemáticos possibilitam a triagem de cepas adequadas ao melhor ajuste da dose, o emprego de diferentes cepas probióticas pela indústria de alimentos, identificação das condições que inibem/retardam o seu crescimento e averiguar os limitantes para a vida de

0,000 0,200 0,400 0,600 0,800 1,000 1,200 1,400 1,600 1,800 0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00 0,00 0,50 1,00 1,50 2,00 2,50 3,00 K ma x (1/h) LO G N Tempo (horas) LOG N Kmax

prateleira dos alimentos nos quais as cepas foram inseridas. Assim, os resultados advindos dos ensaios propiciam economia de tempo e redução da necessidade da realização de testes in vitro, que oneram a sua aplicação.

Agradecimentos

Financiamento: Este trabalho foi financiado pela Fundação de Amparo à Pesquisa no Estado de São Paulo (FAPESP) mediante a concessão da bolsa de estudos à M. B. Soares (Processo nº 2013/21544-9) e ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) aos projetos desenvolvidos no Laboratório de Microbiologia Quantitativa de Alimentos da FEA/UNICAMP.

5. Referências bibliográficas

Adouard, N., Magne, L., Cattenoz, T., Guillemin, H., Foligné, B., Picque, D., & Bonnarme, P. (2015). Survival of cheese-ripening microorganisms in a dynamic simulator of the gastrointestinal tract. Food Microbiology, 1–11. http://doi.org/10.1016/j.fm.2015.03.002

Alander, M., Mättö, J., Kneifel, W., Johansson, M., Kögler, B., Crittenden, R., … Saarela, M. (2001). Effect of galacto-oligosaccharide supplementation on human faecal microflora and on survival and persistence of Bifidobacterium lactis Bb-12 in the gastrointestinal tract. International

Dairy Journal, 11, 817–825. http://doi.org/10.1016/S0958-6946(01)00100-5

Altieri, C., Bevilacqua, A., D’Amato, D., Del Nobile, M.A., and Sinigaglia, M. (2008). Modeling the survival of starter lactic acid bacteria and Bifidobacterium bifidum in single and simultaneous cultures. Food Microbiol. 25, 729–734

Alvarenga, V.O. (2008). Modelagem preditiva do crescimento/morte de Saccharomyces cerevisiae em co-cultura com Lactobacillus fermentum em mosto de caldo de cana de açúcar. Dissertação (Mestrado em Ciência de Alimentos- Faculdade de Engenharia de Alimentos, Universidade Estadual de Campinas.

Anjos, L.D. (2013). Modelos de crescimento de psicotróficos em diferentes temperaturas e pH. Dissertação de Mestrado Universidade Federal de Lavras.

Babouris, N., & Fletcher, J. (1964). Effect of varying the size and frequency of meals’, 118–120. Bressan, J. (2009). Influência de alimentos líquidos e Influence of liquid and solid foods on appetite control, 22(4), 537–547. http://doi.org/dx.doi.org/10.1590/S1415-52732009000400009

Clark, G. W. B., Jamieson, I. R., Hinder, R. a., Polishuk, P. V., Demeester, T. R., Gupta, N., & Cheng, S. C. (1993). The relationship between gastric pH and the emptying of solid, semisolid and

liquid meals. Neurogastroenterology & Motility. http://doi.org/10.1111/j.1365- 2982.1993.tb00131.x

Cruz, A. G., Walter, E. H. M., Cadena, R. S., Faria, J. a. F., Bolini, H. M. a., Pinheiro, H. P., & Sant’Ana, A. S. (2010). Survival analysis methodology to predict the shelf-life of probiotic flavored yogurt. Food Research International, 43(5), 1444–1448. http://doi.org/10.1016/j.foodres.2010.04.028

Devlieghere, F., van Belle, B., and Debevere, J. (1999). Shelf life of modified atmosphere packed cooked meat products: a predictive model. Int. J. Food Microbiol. 46, 57–70

Dorota, Z., Danuta, K. K., Antoni, G., & Motyl, I. (2014). Predictive modelling of Lactobacillus casei KN291 survival in fermented soy beverage. Journal of Microbiology, 52(2), 169–178. http://doi.org/10.1007/s12275-014-3045-0

FAO/WHO (Food and Agricuture Organization/World Health Organization). (2002). Guidelines for the Evaluation of Probiotics in Food. Report a Joint FAO/WHO Working Group. London, Ontario, Canada. FAO/WHO, April 30 and May 1, 1-11.

Geeraerd, A.H., Valdramidis, V.P., Van Impe, J.F. (2005). GInaFit, a freeware tool to assess non- log-linear microbial survivor curves. International Journal of Food Microbiology, 102, 95-105. Gómez, N., García, D., Álvarez, I., Raso, J., and Condón, S. (2005). A model describing the kinetics of inactivation of Lactobacillus plantarum in a buffer system of different pH and in orange and apple juice. J. Food Engineer. 70, 7–14.

Granato, D., Calado, V.M.A., Jarvis, B. (2014). Observations on the use of statistical methods in Food Science and Technology. Food Research International, 55, 137 – 149, 2014.

Hill, C., Guarner, F., Reid, G., Gibson, G. R., Merenstein, D. J., Pot, B., … Sanders, M. E. (2014). Expert consensus document: The International Scientific Association for Probiotics and Prebiotics consensus statement on the scope and appropriate use of the term probiotic. Nature Reviews.

Gastroenterology & Hepatology, 11(August 2014), 9. http://doi.org/10.1038/nrgastro.2014.66

Janssen, M., A. H. Geeraerd, F. Logist, Y. De Visscher, K. M. Vereecken, J. Debevere, F. Devlieghere, And J. F. Van Impe. (2006). Modelling Yersinia enterocolitica inactivation in coculture experiments with Lactobacillus sakei as based on pH and lactic acid profiles. International Journal of Food Microbiology. v. 111, p. 59–72.

Jensen, H., Grimmer, S., Naterstad, K., & Axelsson, L. (2012). In vitro testing of commercial and potential probiotic lactic acid bacteria. International Journal of Food Microbiology, 153(1-2), 216– 22. http://doi.org/10.1016/j.ijfoodmicro.2011.11.020

Kilimann, K., Hartmann, C., Delgado, A., Vogel, R., and Ganzle, M. (2005). A fuzzy logic-based model for the multistage high-pressure inactivation of Lactococcus lactis ssp. cremoris MG 1363. Int. J. Food Microbiol. 98, 89–105.

Klu, Y. A. K., & Chen, J. (2015). Effect of peanut butter matrices on the fate of probiotics during simulated gastrointestinal passage. LWT - Food Science and Technology, 62(2), 983–988. http://doi.org/10.1016/j.lwt.2015.02.018

Koseki, S., Mizuno, Y., & Sotome, I. (2011). Modeling of pathogen survival during simulated gastric digestion. Applied and Environmental Microbiology, 77(3), 1021–1032. http://doi.org/10.1128/AEM.02139-10

Lennard-Jones, J. E., & Babouris, N. (1965). Effect of Different Foods on the Acidity of the Gastric Contents in Patients With Duodenal Ulcer. I. a Comparison Between Two “Therapeutic” Diets and

Freely-Chosen Meals. Gut, 6, 113–117. Retrieved from

http://eutils.ncbi.nlm.nih.gov/entrez/eutils/elink.fcgi?dbfrom=pubmed&id=14279713&retmode=re f&cmd=prlinks\nfile:///Users/fingolfn/Dropbox/Papers2/Articles/1965/LENNARD-JONES/Gut 1965 LENNARD-JONES.pdf\npapers2://publication/uuid/09143AD5-B5CB-4309-BA0C-1A Lesbros-Pantoflickova, D., Corthésy-Theulaz, I., & Blum, A. L. (2007). Helicobacter pylori and probiotics. The Journal of Nutrition, 137(3 Suppl 2), 812S–8S. http://doi.org/137/3/812S [pii] Lo Curto, A., Pitino, I., Mandalari, G., Dainty, J. R., Faulks, R. M., & John Wickham, M. S. (2011). Survival of probiotic lactobacilli in the upper gastrointestinal tract using an in vitro gastric model of digestion. Food Microbiology, 28(7), 1359–1366. http://doi.org/10.1016/j.fm.2011.06.007 Maathuis, a. J. H., Keller, D., & Farmer, S. (2010). Survival and metabolic activity of the GanedenBC30 strain of Bacillus coagulans in a dynamic in vitro model of the stomach and small intestine. Beneficial Microbes, 1(1), 31–36. http://doi.org/10.3920/BM2009.0009

Madigan, M.T.; Martinko, J.M.; Parker, J. (2004). Microbiologia de Brock. 10. ed. São Paulo: Prentice Hall, 608.

Martinez, R. C. R., Aynaou, A. E., Albrecht, S., Schols, H. a., De Martinis, E. C. P., Zoetendal, E. G., Smidt, H. (2011). In vitro evaluation of gastrointestinal survival of Lactobacillus amylovorus DSM 16698 alone and combined with galactooligosaccharides, milk and/or Bifidobacterium animalis subsp. lactis Bb-12. International Journal of Food Microbiology, 149(2), 152–158. http://doi.org/10.1016/j.ijfoodmicro.2011.06.010

McMeekin, T. A.; Olley, J. N.; Ratkoswsky, D. A. R. T.(2002). Predictive Microbiology: towards the interface and beyond. International Journal of Food Microbiology, 73, 395-407.

McMeekin, T.; Bowman, J.; McQuestin, O.; Mellefont, L.; Ross, T.; Tamplin, M. (2008). The future of predictive microbiology: Strategic research, innovative applications and great expectations. International Journal of Food Microbiology, 128, 2-9.

Nunes, C. A., Alvarenga, V. O., de Souza Sant’Ana, A., Santos, J. S., & Granato, D. (2015). The use of statistical software in food science and technology: Advantages, limitations and misuses.

Food Research International, 75, 270–280. http://doi.org/10.1016/j.foodres.2015.06.011

Ranadheera, R. D. C. S., Baines, S. K., & Adams, M. C. (2010). Importance of food in probiotic efficacy. Food Research International, 43(1), 1–7. http://doi.org/10.1016/j.foodres.2009.09.009 Ratkowsky, D. A.; Olley, J.; McMeekin, T. A.; Ball, A.(1982). Relationship between temperature and growth rate of bacterial cultures. Journal of Bacteriology, 149, 1-5.

Rodrigo, D., Ruíz, P., Barbosa-Cánovas, G., Martínez, A., and Rodrigo, M. 2003. Kinetic model for the inactivation of Lactobacillus plantarum by pulsed electric fields. Int. J. Food Microbiol. 81, 223– 229

Roy, D., Laval, U., & City, Q. (2011). 4.49 Probiotics, Intergration of Biotechnologies, 591–602. http://doi.org/10.1016/B978-0-08-088504-9.00317-2

Shori, A. B. (2015). The potential applications of probiotics on dairy and non-dairy foods focusing on viability during storage. Biocatalysis and Agricultural Biotechnology, 4(4), 423–431. http://doi.org/10.1016/j.bcab.2015.09.010

Silva, P. D. L. Da, Bezerra, M. D. F., Santos, K. M. O. Dos, & Correia, R. T. P. (2015). Potentially probiotic ice cream from goat’s milk: Characterization and cell viability during processing, storage and simulated gastrointestinal conditions. LWT - Food Science and Technology, 62(1), 452–457. http://doi.org/10.1016/j.lwt.2014.02.055

Silva, F.A.S., Azevedo, C.A.V. Versão do programa computacional Assistat para o sistema operacional Windows. Revista Brasileira de Produtos Agroindustriais 4, 71–78, 2002.

Slačanac, V., Lučan, M., Hardi, J., Habschied, K., Krstanović, V., & Gagula, G. (2013). Predictive modeling of Bifidobacterium animalis subsp . lactis Bb-12 growth in cow ’ s , goat ’ s and soy milk,

63(4), 220–227.

Valerio, F., De Bellis, P., Lonigro, S. L., Morelli, L., Visconti, A., & Lavermicocca, P. (2006). In vitro and in vivo survival and transit tolerance of potentially probiotic strains carried by artichokes in the gastrointestinal tract. Applied and Environmental Microbiology, 72(4), 3042–3045. http://doi.org/10.1128/AEM.72.4.3042-3045.2006

Vardakou, M., Mercuri, A., Barker, S. a., Craig, D. Q. M., Faulks, R. M., & Wickham, M. S. J. (2011). Achieving Antral Grinding Forces in Biorelevant In Vitro Models: Comparing the USP Dissolution Apparatus II and the Dynamic Gastric Model with Human In Vivo Data. AAPS

PharmSciTech, 12(2), 620–626. http://doi.org/10.1208/s12249-011-9616-z

Vinderola, G., Binetti, A., Burns, P., & Reinheimer, J. (2011). Cell viability and functionality of probiotic bacteria in dairy products. Frontiers in Microbiology, 2(MAY), 1–6. http://doi.org/10.3389/fmicb.2011.00070

Zwietering, M. H. et al. (1991). Modeling of bacterial growth as fuction of temperature. Applied and Enviromental Microbiology, 57, 1094-1101.