Video Experimental Relacionado
Updated: Jan 27, 2026

Methodology for Sputum Induction and Laboratory Processing
Published on: December 17, 2017
Predicción de la letalidad en el proceso de secado de manzanas utilizando la metodología de superficie de respuesta
Xiyang Liu1, Elizabeth M Grasso-Kelley1, Alvin Lee1
1Institute for Food Safety and Health / Department of Food Science and Nutrition, Illinois Institute of Technology, 6502 South Archer Road, Bedford Park, Illinois 60501.
La reducción de la actividad del agua predice eficazmente la letalidad de Salmonella durante el secado de manzanas con aire caliente. La temperatura de secado, el flujo de aire y la profundidad de la cama impactan significativamente la inactivación microbiana, y las temperaturas y el flujo de aire más altos aumentan la letalidad.
Área de la Ciencia:
- Ciencia de los alimentos; Microbiología; Tecnología de secado
Sus antecedentes:
- El secado con aire caliente es crucial para la conservación de productos de manzana.; Garantizar la seguridad microbiana, como la inactivación de Salmonella, es primordial en los alimentos deshidratados.; La predicción de la letalidad microbiana durante el secado requiere la comprensión de los parámetros del proceso.
Objetivo del estudio:
- Evaluar el impacto de la temperatura de secado, la profundidad de la cama y el flujo de aire en la inactivación de Salmonella en cubos de manzana.; Establecer la actividad del agua (aw) como un indicador de la letalidad microbiana durante el secado con aire caliente.; Desarrollar y validar un modelo de metodología de superficie de respuesta (RSM) para predecir la inactivación de Salmonella.
Principales métodos:
- Se utilizó un diseño Box-Behnken para probar 15 condiciones de secado.; Se inocularon cubos de manzana con Salmonella y se secaron hasta una actividad del agua (aw) objetivo de 0.60.; Se empleó RSM para modelar la relación entre los parámetros de secado y la inactivación de Salmonella.
Principales resultados:
- La inactivación de Salmonella mostró una fuerte correlación lineal con la reducción de la actividad del agua (R2 = 0.91-0.97).; La inactivación varió de 2.25 a 4.97 log CFU/4 cubos a aw 0.60.; Temperaturas y flujo de aire más altos aumentaron la letalidad, mientras que el aumento de la profundidad de la cama la disminuyó; el efecto del flujo de aire disminuyó con la profundidad.
Conclusiones:
- La reducción de la actividad del agua es un indicador confiable de la letalidad microbiana en el secado de manzanas con aire caliente.; El modelo RSM desarrollado predice con precisión la inactivación de Salmonella en diversas condiciones de procesamiento.; La optimización de los parámetros de secado puede mejorar la seguridad microbiana en productos de manzana deshidratados.
Más Videos Relacionados
12:00Preparation of Light-responsive Membranes by a Combined Surface Grafting and Postmodification Process
Published on: March 21, 2014
09:16Author Spotlight: Optimization of Processing Technology for Tiebangchui with Zanba Based on CRITIC Combined with Box-Behnken Response Surface Method
Published on: May 12, 2023
Videos de Conceptos Relacionados
Response Surface Methodology
The process of RSM involves several key steps:
Lethal Alleles
Lucien Cuénot discovered lethal alleles in 1905 while studying the inheritance of coat color in mice. The agouti gene is responsible for the color of the coat in mice. This gene codes for an agouti-signaling protein, which is responsible for melanin distribution in mammals. The wild-type allele gives rise to gray-brown coat color in mice, while the mutant allele gives rise to yellow coat color. In addition to coat color, the agouti gene is associated with the yellow...
Predicting Molecular Geometry
Dry Friction
To illustrate this concept, imagine a wooden crate resting on a rough, non-uniform horizontal surface. When an external force is applied to...
Drying Shrinkage
A portion of this drying shrinkage can be reversed; if the concrete is...
Prediction Intervals
However, the point estimate is most likely not the exact value of the population parameter, but close to it. After calculating point estimates, we construct interval estimates, called confidence intervals or prediction intervals. This prediction interval comprises a range of values unlike the point estimate and is a better predictor of the observed sample value, y.