Basic Protocols in Predictive Food Microbiology Methods and Protocols in Food Science Verônica Ortiz Alvarenga (Editor)

Basic Protocols in Predictive Food
Microbiology Methods and Protocols in

Food Science Verônica Ortiz Alvarenga
(Editor)
Visit to download the full and correct content document:
https://ebookmeta.com/product/basic-protocols-in-predictive-food-microbiology-metho
ds-and-protocols-in-food-science-veronica-ortiz-alvarenga-editor/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Food Waste Conversion Methods and Protocols in Food

Science 1st Edition Cristobal N. Aguilar Gonzalez
(Editor)
https://ebookmeta.com/product/food-waste-conversion-methods-and-
protocols-in-food-science-1st-edition-cristobal-n-aguilar-
gonzalez-editor/
Computational Peptide Science Methods and Protocols

Thomas Simonson
https://ebookmeta.com/product/computational-peptide-science-
methods-and-protocols-thomas-simonson/
Food Microbiology Laboratory for the Food Science

Student: A Practical Approach 2nd Edition Cangliang
Shen
https://ebookmeta.com/product/food-microbiology-laboratory-for-
the-food-science-student-a-practical-approach-2nd-edition-
cangliang-shen/
Plant Virology Methods and Protocols
https://ebookmeta.com/product/plant-virology-methods-and-
protocols/
Whole-Body Regeneration: Methods and Protocols (Methods
in Molecular Biology, 2450) Blanchoud
https://ebookmeta.com/product/whole-body-regeneration-methods-
and-protocols-methods-in-molecular-biology-2450-blanchoud/
Circadian Regulation Methods and Protocols Methods in

Molecular Biology 2482 Guiomar Solanas
https://ebookmeta.com/product/circadian-regulation-methods-and-
protocols-methods-in-molecular-biology-2482-guiomar-solanas/
Rhodopsin Methods and Protocols Methods in Molecular

Biology 2501 Valentin Gordeliy (Editor)
https://ebookmeta.com/product/rhodopsin-methods-and-protocols-
methods-in-molecular-biology-2501-valentin-gordeliy-editor/
Ferroptosis Methods and Protocols Methods in Molecular

Biology 2712 Guido Kroemer (Editor)
https://ebookmeta.com/product/ferroptosis-methods-and-protocols-
methods-in-molecular-biology-2712-guido-kroemer-editor/
DNAzymes Methods and Protocols Methods in Molecular

Biology 2439 Gerhard Steger (Editor)
https://ebookmeta.com/product/dnazymes-methods-and-protocols-
methods-in-molecular-biology-2439-gerhard-steger-editor/
Methods and Protocols in Food Science
Series Editor
Anderson S. Sant’Ana
University of Campinas, Campinas, Brazil
For further volumes: http://www.springer.com/series/16556

Methods and Protocols in Food Science series is devoted to the
publication of research protocols and methodologies in all fields of food
science.
Volumes and chapters will be organized by field and presented in
such way that the readers will be able to reproduce the experiments in
a step-by-step style. Each protocol will be characterized by a brief
introductory section, followed by a short aims section, in which the
precise purpose of the protocol will be clarified.
Editor
Verô nica Ortiz Alvarenga
Basic Protocols in Predictive Food

Microbiology
Editor
Faculty of Pharmacy, Department of Food, Federal University of Minas
Gerais, Belo Horizonte, MG, Brazil
ISSN 2662-950X e-ISSN 2662-9518

Methods and Protocols in Food Science
ISBN 978-1-0716-3412-7 e-ISBN 978-1-0716-3413-4
https://doi.org/10.1007/978-1-0716-3413-4
© The Editor(s) (if applicable) and The Author(s), under exclusive

license to Springer Science+Business Media, LLC, part of Springer
Nature 2023
This work is subject to copyright. All rights are solely and exclusively
licensed by the Publisher, whether the whole or part of the material is
concerned, specifically the rights of translation, reprinting, reuse of
illustrations, recitation, broadcasting, reproduction on microfilms or in
any other physical way, and transmission or information storage and
retrieval, electronic adaptation, computer software, or by similar or
dissimilar methodology now known or hereafter developed.
The use of general descriptive names, registered names, trademarks,

service marks, etc. in this publication does not imply, even in the
absence of a specific statement, that such names are exempt from the
relevant protective laws and regulations and therefore free for general
use.
The publisher, the authors, and the editors are safe to assume that the
advice and information in this book are believed to be true and accurate
at the date of publication. Neither the publisher nor the authors or the
editors give a warranty, expressed or implied, with respect to the
material contained herein or for any errors or omissions that may have
been made. The publisher remains neutral with regard to jurisdictional
claims in published maps and institutional affiliations.
This Humana imprint is published by the registered company Springer

Science+Business Media, LLC, part of Springer Nature.
The registered company address is: 1 New York Plaza, New York, NY
10004, U.S.A.
Preface to the Series
Methods and Protocols in Food Science series is devoted to the
publication of research protocols and methodologies in all fields of food
science. The series is unique as it includes protocols developed,
validated and used by food and related scientists, as well as theoretical
basis are provided for each protocol. Aspects related to improvements
in the protocols, adaptations and further developments in the protocols
may also be approached.
Methods and Protocols in Food Science series aims to bring the most
recent developments in research protocols in the field as well as very
well-established methods. As such, the series targets undergraduate,
graduate and researchers in the field of food science and correlated
areas. The protocols documented in the series will be highly useful for
scientific inquiries in the field of food sciences, presented in such way
that the readers will be able to reproduce the experiments in a step-by-
step style.
Each protocol is characterized by a brief introductory section,
followed by a short aims section, in which the precise purpose of the
protocol is clarified. Then, an in-depth list of materials and reagents
required for employing the protocol is presented, followed by a
comprehensive and step-by-step procedures on how to perform that
experiment. The next section brings the do’s and don’ts when carrying
out the protocol, followed by the main pitfalls faced and how to
troubleshoot them. Finally, template results are presented and their
meaning/conclusions addressed.
The Methods and Protocols in Food Science series will fill an
important gap, addressing a common complaint of food scientists,
regarding the difficulties in repeating experiments detailed in scientific
papers. With this, the series has a potential to become a reference
material in food science laboratories of research centers and
universities throughout the world.
Anderson S. Sant’Ana
Campinas, Brazil
Preface
Predictive microbiology is a tool for modeling and simulation based on
microbial responses to environmental factors. Several models can be
developed considering the problem, the response variable, and the data
collection. From the predictive models, it is possible to study the time
for the formation of toxins or compounds that limit the shelf life of food,
multiplication, survival, or inactivation of spoilage microorganisms or
pathogens.
Predictive models produce useful information for decision making
because they help to establish critical boundaries based on microbial
behavior under changing environmental conditions. The data generated
from the predictive models provide essential information for
elaborating HACCP plans, food safety metrics, and Quantitative
Microbiological Risk Analysis (QMRA). Also, predictive models can be
applied to evaluate food shelf life, food formulation modification, and
evaluation of the effect of processing steps on microorganisms.
This book aims to comprehensively introduce methods and
procedures related to the design of the experiments, data collection,
and data analyses for elaborating predictive models. All chapters
include introductions to the respective topic, the most common
protocols, a list of materials and reagents, readily reproducible
stepwise laboratory protocols, and the hallmark of the MeFS series.
This book combines well-established protocols and procedures
used by many laboratories in academia and industry as comprehensibly
as possible. It introduces the broad field of Predictive Microbiology in
Foods to young researches, i.e., graduate students, postdoctoral
associates, and all researchers who are either still at the beginning of
their academic career or scientists in search of new challenges in a new
field hitherto unfamiliar to them.
The book is divided into three main sections. The initial segment
covers general techniques for designing and gathering data to create
predictive models. The second part focuses on the development of
predictive models. Finally, the third section explores the topic of
microbial behavior from several approaches. In addition, the book
supports researchers looking to expand the range of their
investigations in the predictive microbiology field.
Verônica Ortiz Alvarenga
BeloHorizonte, MG, Brazil
Contents
1 Basic Concepts for Predictive Microbiology
Alice Karine da Silva, Maísa Daré Perim, Luma Moura Brito and
2 Methods of Inoculation and Quantification for Collecting Data on
Microbial Responses in Foods
Federico Tomasello, Antonio Valero, Andrea Serraino and
Arícia Possas
3 The Influence of Food Matrices on Microbial Growth
Peter Myintzaw and Michael Callanan
4 Primary Predictive Models of Microbial Growth
Isabella Bassoto Xavier, Jean Carlos Correia Peres Costa and
5 A Protocol for Predictive Modeling of Microbial Inactivation
Based on Experimental Data
Leonidas Georgalis, Pablo S. Fernandez and Alberto Garre
6 Growth/No-Growth Microbial Models in Food Science
Angie Dahiana Duque Rodriguez, Mírian Pereira da Silva,
Natan de Jesus Pimentel-Filho and Wilmer Edgard Luera Pena
7 Individual Cell-Based Modeling for Microbial Growth and
Inactivation Using Time-Lapse Microscopy
Zafeiro Aspridou, Alexandra Lianou and
Konstantinos P. Koutsoumanis
8 Dynamic Models for Predictive Microbiology
Daniel Angelo Longhi, Bruno Augusto Mattar Carciofi,
Glá ucia Maria Falcã o de Aragã o and Joã o Borges Laurindo
9 Mathematical Simulation of the Bio-Protective Effect of Lactic
Acid Bacteria on Foodborne Pathogens
Jean Carlos Correia Peres Costa, Araceli Bolívar and Fernando Pérez-
Rodríguez
10 Acceptable Prediction Zones Method for the Validation of
Predictive Models for Foodborne Pathogens
Thomas P. Oscar
11 Predictive Modeling for Spoilage Microorganisms
Çağla Pınarlı and Fatih Tarlak
12 Quantitative PCR Technique for Predictive Models
Wiaslan Figueiredo Martins and Mirian Cristina Feiten
Index
Contributors
Faculty of Pharmacy, Department of Food, Federal University of Minas
Zafeiro Aspridou
Department of Food Science and Technology, School of Agriculture,
Faculty of Agriculture, Forestry and Natural Environment, Aristotle
University of Thessaloniki, Thessaloniki, Greece
Isabella Bassoto Xavier

Department of Food, Faculty of Pharmacy, Federal University of Minas
Araceli Bolívar
Department of Food Science and Technology, UIC Zoonosis y
Enfermedades Emergentes ENZOEM, ceiA3, Universidad de Có rdoba,
14014, Có rdoba, Spain
Luma Moura Brito

Instituto de Tecnologia de Alimentos e Bebidas, CTI SENAI, Belo
Horizonte, MG, Brazil
Michael Callanan
Department of Biological Sciences, Munster Technological University,
Cork, Ireland
Bruno Augusto Mattar Carciofi

Federal University of Santa Catarina, Department of Chemical and Food
Engineering, Center of Technology, Florianó polis, SC, Brazil
Jean Carlos Correia Peres Costa

Alice Karine da Silva
Mírian Pereira da Silva

Department of Food Technology, Federal University of Viçosa, Viçosa,
Minas Gerais, Brazil
Gláucia Maria Falcão de Aragão

Natan de Jesus Pimentel-Filho

Center for Natural Sciences, Federal University of Sã o Carlos, Buri, Sã o
Paulo, Brazil
Mirian Cristina Feiten

Food Engineering Department, State University of Maringá , Paraná ,
Brazil
Pablo S. Fernandez
Departamento de Ingeniería Agronó mica, Campus de Excelencia
Internacional Regional “Campus Mare Nostrum”, Instituto de
Biotecnología Vegetal, Escuela Técnica Superior de Ingeniería
Agronó mica, Universidad Politécnica de Cartagena, Cartagena, Spain
Alberto Garre
Food Microbiology, Wageningen University & Research, Wageningen,
The Netherlands
Leonidas Georgalis
Departamento de Ingeniería Agronó mica, Campus de Excelencia
Internacional Regional “Campus Mare Nostrum”, Instituto de
Biotecnología Vegetal, Escuela Técnica Superior de Ingeniería
Agronó mica, Universidad Politécnica de Cartagena, Cartagena, Spain
Konstantinos P. Koutsoumanis
Department of Food Science and Technology, School of Agriculture,
Faculty of Agriculture, Forestry and Natural Environment, Aristotle
University of Thessaloniki, Thessaloniki, Greece
João Borges Laurindo

Alexandra Lianou
Division of Genetics, Cell and Developmental Biology, Department of
Biology, University of Patras, Patras, Greece
Daniel Angelo Longhi

Federal University of Paraná , School of Food Engineering, Jandaia do
Sul, PR, Brazil
Wiaslan Figueiredo Martins

Food Technology Department, Goiano Federal Institute of Education,
Science and Technology, Goiá s, Brazil
Peter Myintzaw
Department of Biological Sciences, Munster Technological University,
Cork, Ireland
Thomas P. Oscar
U.S. Department of Agriculture, Agricultural Research Service, Chemical
Residue and Predictive Microbiology Research Unit, Center for Food
Science and Technology, University of Maryland Eastern Shore, Princess
Anne, MD, USA
Wilmer Edgard Luera Pena

Fernando Pérez-Rodríguez
Maísa Daré Perim
Çağla Pınarlı
Department of Nutrition and Dietetics, Istanbul Gedik University,
Istanbul, Turkey
Arícia Possas
Department of Food Science and Technology, University of Có rdoba,
Có rdoba, Spain
Angie Dahiana Duque Rodriguez

Andrea Serraino
Department of Veterinary Medical Sciences, University of Bologna,
Ozzano Emilia, BO, Italy
Fatih Tarlak
Department of Nutrition and Dietetics, Istanbul Gedik University,
Istanbul, Turkey
Federico Tomasello
Department of Veterinary Medical Sciences, University of Bologna,
Ozzano Emilia, BO, Italy
Antonio Valero
Department of Food Science and Technology, University of Có rdoba,
Có rdoba, Spain
© The Author(s), under exclusive license to Springer Science+Business Media, LLC,
part of Springer Nature 2023
V. O. Alvarenga (ed.), Basic Protocols in Predictive Food Microbiology, Methods and
Protocols in Food Science
https://doi.org/10.1007/978-1-0716-3413-4_1
1. Basic Concepts for Predictive

Microbiology
Alice Karine da Silva1, Maísa Daré Perim1, Luma Moura Brito1, 2 and
Verô nica Ortiz Alvarenga1
(1) Department of Food, Faculty of Pharmacy, Federal University of
Minas Gerais, Belo Horizonte, MG, Brazil
(2) Instituto de Tecnologia de Alimentos e Bebidas, CTI SENAI, Belo
Horizonte, MG, Brazil

Email: vealvarenga@ufmg.br
Abstract
Advances in science and technology have led to the generation of data
that require storage, processing, and interpretation. Predictive
microbiology is a valuable tool that merges microbiology, mathematics,
and statistics to improve food safety and quality from microbial growth,
survival, or inactivation parameters. Predictive models seek to
understand the effect of environmental conditions (pH, temperature,
aw, etc.) on microbial responses by mathematical models. The
predictive models are developed by laboratory tests combined with
software to predict the microbial kinetic parameters under different
conditions. Indeed, the models do not replace microbial controls but
are an additional device for decision-making supported by data-driven.
Thus, this chapter aims to provide an overview of predictive
microbiology, covering fundamental concepts, methodologies, types of
models, and applications. Moreover, this chapter highlights basic
concepts that need to be considered while performing predictive
modeling and the limitations of this tool.
Key words Primary modeling – Secondary modeling experimental

design – Food safety
1 Introduction
In recent decades, food quality and safety concerns have been growing.
There are physical, chemical, and biological risks, which can affect food
integrity and safety [1]. Foods are subject to food contamination by
microorganisms, pathogenic or spoilage bacteria, which can cause food
batch recall and foodborne diseases and impact the consumer’s safety
[1]. Due to the expansion of the food trade, it is possible to notice a
relative difficulty in managing risks and ensuring the protection of
consumers’ health [2].
The unit operations in the food chain can affect microorganism
viability leading to inactivation. Thereby, it becomes crucial to know the
microbial behavior parameters to understand microbial growth
dynamics [3] and the responses of microorganisms to specific
environmental conditions [3, 4]. Data collection in different
environmental conditions enables assessing microbial kinetics and can
predict responses in other similar environments through mathematical
models [5]. Predictive microbiology uses mathematical models to
quantify the effect of intrinsic and extrinsic factors (i.e., temperature,
pH, water activity, autochthonous microbiota, and natural antimicrobial
compounds) on microbial behavior. Predictive models can predict
growth, inactivation parameters, and toxin production [6, 7]. The
responses provided by the models can support food processors and
regulatory agencies in data-driven decision-making.
The first description using a model was done by Bigelow and Esty
[8], Bigelow [9], and Esty and Meyer [10]. Although the concept of
“predictive microbiology” was first proposed in 1937, it was not
thoroughly applied until the early 1980s, when the response to large
food poisoning outbreaks spurred efforts to apply mathematical
models. These efforts were used in pathogen inactivation (for instance,
for Clostridium botulinum and Staphylococcus aureus) and measuring
the spoilage bacteria growth [11]. In the 1960s and 1970s, studies
applied mathematical models aimed toward the inactivation of bacteria
and fungi. The predictive microbiology field was raised in the 1980s
and 1990s. This intensification was attributed to accessibility to
computational tools and software, which allowed the use of more
complex and more accurate models [12].
Predictive microbiology aims to mathematically represent a
microbiological process’s reality and quantify its intrinsic and extrinsic
effects [13]. Predictive microbiology has emerged at the interface of
different areas of knowledge, including microbiology, statistics,
mathematics, and computation. It has become an essential tool for
data-driven decision-making [14]. Due to the importance of individual
factors for each food type, data collection for predictive microbiological
models is mainly based on laboratory data. However, there is also an
increasing amount of research focused on purposely contaminated food
to generate data for predictive microbiology [6].
The US Department of Agriculture-Agricultural Research Service
(USDA-ARC) and the UK Ministry of Agriculture, Fisheries and Food
proposed the first predictive microbiology software’s approach in the
1990s [15]. The systems were called Pathogen Modeling Program and
Food Micromodel, respectively. Both tools have a database and
mathematical models to describe growth responses to environmental
factors of foodborne pathogens [4]. Afterward, other tools emerged for
predictive microbiology, such as Seafood Spoilage Predictor (currently
called Food Safety Spoilage Predictor) [16], Dmfit, Ginafit [17],
Microbial Responses Viewer [18], MicroHibro [19], Combase [20], and
Bioinactivation [21].
The guarantee of food safety and quality can be impacted by the
emergence of innovative food products such as new preserving food
technologies. Thus, investigations that evaluate possible complications
that may affect the quality of products are necessary. Also, current
knowledge that are already available, the effects of processing new
products, and other factors are of great importance to consider when
developing predictive models [14].
Additionally in the food industry, authorities are seeking solutions
and tools to mitigate or solve problems related to food safety.
Considering the challenges to maintain the food quality and safety
throughout the food chain, it is feasible to apply predictive modeling in
the food industry [11]. Therefore, it is essential to plan the entire
process and collect microbiological data that adequately reproduce the
behavior of the microorganism in that specific study environment as
well as choosing the appropriate model which relies the studies [22].
This book will cover the particularities of food matrices, the
relationship between foods and microorganisms, and data collection for
predictive models. Therefore, understanding microbial behavior and
the influence of environmental conditions is fundamental for properly
developing studies based on predictive food modeling.
2 Application of Predictive Models

The application of predictive models serves as a science-based tool that
can aid shelf life studies and help design or reformulate food products
based on a safety and quality perspective, meeting ongoing needs for
quality and food safety [23]. The predictive microbiology applications
are shown in Fig. 1.
Fig. 1 Application of predictive microbiology
Predictive models provide a quantitative view of the effect of
intrinsic (see Note 1) and extrinsic factors (see Note 2) on the quality
and safety of food [14]. For instance, in quantitative microbial risk
assessment (QMRA), predictive models can estimate the impact of unit
operation along the food chain on microbial behavior and quantify the
risks associated with contaminated food consumption [24].
Furthermore, the predictions by the models can support decision-
making processes, highlighting its integration into self-control systems,
such as hazard analysis and critical control points (HACCP), to
determine process criteria and control limits [25]. Predictive
microbiology can also optimize and validate new thermal and
nonthermal food processing technologies due to its ability to assess the
process impact against microbial inactivation and describe the
response of microorganisms if there is any environmental change [26].
Therefore, predictive microbiology is a valuable tool for food quality
and safety decision-making.
3 Concepts for Predictive Microbiology and

Mathematical Modeling
An appropriate understanding of mathematical and microbiological
concepts is essential for developing sound foundations for predictive
microbiology. This understanding is necessary for creating realistic
models and exploring various mathematical tools and methods in this
field. For instance, to determine whether a proposed inactivation
technology can be used, it is crucial to have an essential understanding
of the characteristics of microorganisms and other relevant concepts in
microbiology.
3.1 Microbiological Concepts

The logarithmic scale is commonly used to represent microbial growth
and express populations graphically. It allows for better visualization
and understanding of growth stages on a curve. Within an analytical
scenario, various techniques serve to enumerate microorganism
purposes and can be divided into two major groups: quantitative and
qualitative analysis methods. Quantitative analysis involves numerically
measuring a compound, group of compounds, or parameters (see Note
3), such as calculating colony forming units (CFU) per gram or milliliter,
most probable number (MPN) [27] (see Chapter 3), or number of cells
by microscopy [28] (see Chapter 7). In contrast, the qualitative analysis
does not measure the specific amount of a compound or the value of an
analysis parameter. Instead, it aims to indicate the presence or absence
of the analyzed parameter or boundaries for microbial growth (see
Chapter 6).
Microbial growth involves increasing the number of individuals
(cells) through processes such as binary fission, budding, spore
formation, or fragmentation. This growth is characterized by a
“generation time,” which is required for a cell to divide (see Chapter 7)
(assuming binary fission as the most common process) or for a
population to duplicate itself. The generation time may vary depending
on the microorganism or medium temperature [29]. Understanding the
relationship between generation time and microbial growth phases is
crucial, including the comparison between phases [30]. Microbial
growth occurs in four stages, as Peleg and Corradini [31] showed in Fig.
2.
Fig. 2 Microbial growth curve

Lag phase: This phase can last for an hour or even several days,
during which cells are in a state of latency growth and adjusting the
metabolism before starting exponential growth. There is little or no cell
division during this phase, resulting in no significant increase in the
number of cells.
Log phase or exponential growth phase: Following the end of the
latency state, a phase of increased metabolic activity begins. During this
phase, cells undergo logarithmic cell division, and the generation time
becomes constant. The environmental conditions influence this phase.
Stationary phase: This phase corresponds to a period of equilibrium
in which the number of cell death equals the number of new cells, and
metabolic activity decreases. Decline phase or cell death: In this phase,
the number of dead cells exceeds the number of new cells, and this
trend may continue until only a small fraction of cells remains, or no
cells are present.
It is important to observe the different microbial growth phases
when analyzing processes for developing new products or assessing the
effectiveness of microbial control methods. This can help use predictive
models to estimate the impact of environmental factors and process
conditions on microbial behavior [13].
3.2 Mathematical Concepts

Predictive microbiology approaches are based on operational research
applications and mathematical modeling [32]. Operational research
term, also known as management science, is a scientific approach to
solving complex problems, aiming to make the best possible decision,
usually in a scenario with limitations, such as the scarcity of resources
in a system [33].
Mathematical modeling is an operational research tool to elaborate
the decision-making system or to understand a complex and real
problem logically and integrally. These models are represented
mathematically by equations [34]. Usually, it is an empirically
elaborated model (Fig. 3) based on laboratory result observation in a
controlled environment, and it aims to predict the behavior of a system
to guide decision-making about a problem situation.
Fig. 3 Schematic representation for model development
For this, it is necessary to understand deeply the variables (see Note
4) involved in the problem and the nonmathematical issues
surrounding it, for example, the reasons for the limitations imposed on
the model, either because of the search for low-cost production or the
impossibility of having a variable with a negative value. Then, it must
analyze which resources of reality will be used in constructing the
model and which ones should be ignored, aiming at optimizing the
system, with a good fit (or with low bias) and its accuracy compared to
reality [35]. Modeling helps us understand biological systems better
and can help us make predictions about their behavior. A model refers
to a mathematical equation or set of equations that represent a
biological process, system, or relationship. Such models usually involve
several random variables and a combination of variables, constants, or
parameters. A model that doesn’t include random variables is referred
to as deterministic.
Different types of modeling are available, such as descriptive,
prescriptive, optimized, static or dynamic, linear or nonlinear, complete
or incomplete, deterministic or stochastic, and network models, each of
which can be suitable for different problems and scenarios [34]. A
predictive model aims to describe the behavior of a natural
phenomenon, raising its variables and how they relate to the process in
a deterministic way [13]. Some examples of mathematical models
within the microbiological context are inactivation curves, growth of a
given microorganism, and heat penetration curves, among others [36].
Table 1 shows the different types of mathematical models that can be
applied in predictive microbiology.
Table 1 Description of terminology used for model in predictive microbiology
Model Description
Static model A static mathematical model is designed to perform decision-
making in a fixed period, where there is no sequence of decisions to
be taken in the long term
Dynamic This model is used when the objective is to find decisions over
model some time. Thus, a series of decisions are to be taken in this
interval, where the variables can be changed over time
Linear model Based on the multiplication and addition of constants to the
decision variables of the objective function and its restrictions
Nonlinear A nonlinear model occurs when an optimization model is not
model linear, which usually involves a higher degree of complexity, and
can form a convex, concave function, non-convex nor concave
function, or a convex and concave function
Deterministic One that has a known number of inputs and outputs. In this way, it
model does not present random variables as it represents the evolution of
the system in a certain period of time
Stochastic The stochastic model, as well as the deterministic one, evaluates
model the evolution of the system in a certain period of time. However,
this model, unlike the previous one, presents random variables.
Due to uncertain variables of the system, the measurement of time
in the system can be continuous or in intervals
Network Network models are a way of optimizing mathematical models
models using programming techniques or graphical techniques
Adapted from Winston and Goldberg [34]

Linear mathematical models are characterized by presenting a
linear function, called an objective function, with independent variables
(x1;x2;xn …) related to linear constants (an. xn) that can be both
equalities (=) and inequalities (≥ or ≤). Constraint elements are also
involved in this system, applied under the conditions of the decision
variables. For example, they are determining whether a variable can or
cannot have a negative value. Meanwhile, nonlinear models can form a
convex, concave function, and others. Also included in this group of
mathematical models are functions of zero order, first order, second
order, and others, leading to different ways of optimizing and solving
the model [37].
System resolution can use various techniques, including simplifying
the model, dividing it into subproblems, and simplifying the equations
without considering the system’s restrictions. Another critical point
inside nonlinear models is the polynomial model. A group is also
known as the response surface model (Fig. 4) [38]. The characteristic is
that its objective function and constraints are well-defined functions,
nonlinear in polynomial format, which does not always occur in all
nonlinear mathematical models. One of the defining features of this
type of model is that its objective function and constraints are well-
defined, nonlinear polynomial functions. This is not always the case
with other nonlinear mathematical models. These models can handle
problems involving sine, radicals, and logarithmic functions, making
them useful in predictive microbiology, where multiple determinations
must be made simultaneously [39]. They are classified as secondary
and empirical models, often called “black box” models. By using terms
of the first, second, third, and fourth-order (quadratic function), it is
possible to simultaneously evaluate the effect of multiple variables on
the system being researched in the polynomial form [40–42]. However,
it’s important to note that the function may demonstrate exponential
growth as the number of variables increases.
Fig. 4 The 3D surface plots of growth rate (GR) of Clostridium sporogenes spores
affected by (a) temperature (T) and pH, (b) temperature (T) and NaCl, and (c) pH and
NaCl of RS models. (Reuse with permission. Dong et al. [38])
Another type of model is the stochastic model, which can be used in
consumer brand choice research or microorganism growth studies,
taking into account multiple random behavior variables, such as
temperature, pH, and storage temperature variability. In addition, it
seeks to describe the uncertainty and variability of the microbial
response in the system [43].
Finally, network models can form artificial neural networks,
representing the interdependence between the factors involved in the
system. They are a type of artificial intelligence that has been emerging
as a promising tool in treating biological data, for example, developing
models to describe microbial growth in specific culture media. After all,
artificial neural networks (ANN) can identify multiple parameters of a
model (linear or nonlinear) in a discriminative way, organizing them
logically for analysis, even coming directly from laboratory results
(black box models), which makes decision-making of the problem
situation more complete and increasingly data-driven, along with more
minor estimated errors [44].
These networks can perform parallel calculations of several
functions of the developed model. For this to happen, it is necessary to
draw the neural layers and the mathematical tasks between them
(whether linear or nonlinear, simple or polynomial) and determine the
level of connectivity between one vertex and another [45]. In order to
fully comprehend predictive modeling, mathematical and statistical
concepts are essential. These concepts encompass variables, optimal
and suboptimal solutions, objective function, model constraints,
sensitivity analysis, regression analysis, prediction, parameters, and
simulation.
Different mathematical models can describe and predict microbial
behavior in food systems in predictive microbiology. White box or
mechanistic models are based on the underlying mechanisms and
physical processes that govern microbial growth and survival, such as
nutrient uptake, metabolism, and environmental conditions. These
models are typically more complex and require more detailed
information about the system. Still, they can provide a deeper
understanding of the underlying biological processes and be used to
design more effective control strategies. On the other hand, black box
models are generated purely from experimental data and do not
necessarily rely on a deep understanding of the underlying mechanisms
[47]. These models are often more straightforward but may not provide
as much insight into the underlying biological processes.
Finally, some intermediate models combine both white box and
black box approaches. These models may incorporate some
mechanistic knowledge to improve the accuracy and robustness of the
model while still relying on experimental data for parameter estimation
and validation. Overall, the choice of model type depends on the
specific research question, available data, and level of understanding of
the system [14].
3.3 Types of Predictive Models

Predictive models are becoming valuable and fast tools in the search for
answers to specific problems and can be used for several purposes, i.e.,
models of growth (see Chapter 4) and microbial death (see Chapter 5)
as well as boundary conditions such as growth versus no-growth (see
Chapter 6). Predictive models can be utilized to evaluate microbial
growth, survival, and inactivation, as well as boundary conditions such
as growth versus no-growth. These models can be classified through
primary, secondary, and tertiary levels [48].
3.3.1 Primary Models

Primary models measure the microorganism response over time for a
single set of conditions, allowing growth and decline curves to be
generated. The responses provided by primary models are inactivation
and growth rate, delay time, or times of turbidity/toxin formation [49].
3.3.1.1 Growth Models
Primary growth models are divided into sigmoidal and mechanistic
functions. Sigmoidal curves describe the effect of biochemical reactions
on microbial growth rate [50]. There are two approaches for primary
growth models: sigmoidal and mechanistic functions. Sigmoidal curves
are used to depict the impact of biochemical reactions on microbial
growth rate. The most commonly used models for this are the logistic
(Eq. 1) [50] and Gompertz modified (Eq. 2) [51] models. On the other
hand, mechanistic approaches reveal that the maximum specific growth
rate and the lag depend on the environment. Baranyi and Roberts (Eq.
3) [52] came up with a mathematical model that demonstrates an
inversely proportional lag to the maximum specific growth rate:
(1)
(2)
(3)
where Ymax is maximum population; Y0 is initial population; μmax is

maximum growth rate; and tlag is the lag time.
3.3.1.2 Inactivation Models

Predictive models can be used to describe microbial kinetics
inactivation resulting from thermal or nonthermal processes. Microbial
populations are typically measured at discrete time points to construct
an inactivation curve. The resulting survival curve may show linear or
nonlinear behavior.
Primary inactivation models allow us to estimate inactivation
parameters such as inactivation rate (kmax), shoulder length (SI), and
tail formation (residual population) (yres). Regarding describing
inactivation behavior, several authors developed equations for this
purpose. The linear model [8] (Eq. 4) was the first inactivation model to
apply fit inactivation kinetics. Nonlinear models with shoulder and tail
[53] (Eq. 5) describe a lag time before the inactivation and a residual
population after the treatment, tail region. Further, the concave and
convex curves, due to biological variations in inactivation, may be
expressed as a statistical model of the distribution of inactivation times,
Weibull model [41] (Eq. 6):
(4)
where y0 is initial population and D is decimal reduction time.
(5)
where yres is residual population, y0 is initial population, kmax is

inactivation rate, and Sl is shoulder length.
(6)
where y0 is initial population, δ is time for first decimal reduction, and p

is curvature parameter.
3.3.2 Secondary Models

Secondary models describe the effects of multiple variables on
microbial behavior in food. These models are based on the primary
models, which describe microbial growth, survival, or inactivation as a
function of environmental factors such as temperature, pH, and water
activity. Secondary models consider additional factors influencing
microbial behavior, such as other microorganisms, food components,
and chemical or physical treatments. Examples of secondary models
include competitive growth models, which describe the growth of
multiple microorganisms in a food matrix, and hurdle models, which
represent the effect of numerous preservation factors on microbial
growth or survival. Other secondary models include models for the
impact of preservatives, thermal processing, and modified atmosphere
packaging on microbial growth. These models can approach kinetics or
probability description for the influence of intrinsic and extrinsic
factors on either microbial growth, survival, or inactivation [49].
Probability models are developed through regression analysis to
estimate the effects and interactions of independent variables, allowing
for the assessment of the probability of toxin production, spore
germination, or microbial growth boundaries. Meanwhile, kinetic
models use mathematical functions, such as linear or nonlinear
regressions and polynomial regressions, to assess the impact of
environmental conditions on microbial kinetic parameters, i.e.,
inactivation or growth rate, lag phase duration, and maximum
population density. Polynomial functions (Eq. 7) are widely employed
in predictive microbiology to model the effects of environmental factors
simultaneously [54]. This approach is commonly utilized to develop the
increasingly popular square root [55] (Eq. 8) and cardinal parameter-
type models [56] (Eq. 9). These models individually consider each
environmental factor and then create a general model that describes
their combined effects:
(7)
where β0, βj, βjj, βjl are the estimated coefficient regression, Xj and Xl are
independent variables, and ε is error.
(8)
where Tmin is the minimum temperature below which the maximum
growth rate is equal to 0 and obtained through a linear regression of
the square root of the maximum growth rate temperature.
(9)
where X is temperature, pH, or aw; Xmin and Xmax are values of X below
and above which no-growth occurs, respectively; Xopt is the value X at
which microbial growth is optimum; and n is a shape parameter. In
optimal condition de CMn(Xopt), the value is equal 1 and for Xmin and
Xmax the CMn is equal to 0 [57].
3.3.3 Tertiary Models

Finally, the tertiary level refers to computational tools that integrate
primary and secondary models in friendly interfaces [58]. The tertiary
level of predictive microbiology involves the integration of primary and
secondary models into computational tools that provide user-friendly
interfaces for predicting microbial responses. One of the primary
challenges in predictive microbiology is managing large amounts of
data and retrieving specific information efficiently. Decision-support
tools, such as computer software programs, can help to address these
challenges by providing users with a simplified visualization of model
inputs and outputs through graphical interfaces. However, the
development and application of information management systems in
predictive microbiology have been limited compared to other scientific
fields. This highlights the need for continued investment and
development to ensure the predictive models are accurate and up-to-
date. Overall, the tertiary level of predictive microbiology plays a
critical role in advancing our understanding of microbial behavior and
improving food safety. The development and integration of advanced
computational tools may lead to play a critical role in improving our
ability to predict and manage the behavior of microorganisms in a wide
range of applications [59].
3.3.3.1 Types of Programing Languages, Tools, and Software
Available to Predictive Microbiology
Tertiary models have become an important, if not indispensable, tool
for elaborating and resolving complex problems related to assessing
microbial behavior. Considering this context, software are becoming
more common and enable more robust data analysis by considering a
greater number of variables. It is also possible to use more
comprehensive tools for modeling, such as Microsoft Excel and
programming languages like VBA, R, and Python. However, providing a
user-friendly interface for estimating microbial parameters is more
beneficial for food processors, regulators, and the general public [14].
Regarding food safety management and assistance in decision-making,
tertiary models provide insights into achieving food safety
management measures in a short timeframe. Thus, different databases,
software, and add-ins have been developed for predictive microbiology
in the last 20 years. Table 2 presents a survey of characteristics and
applications of some devices used in predictive microbiology.
Table 2 Tertiary models for predictive microbiology
Software/tool Characteristics and Available in References
applications
Biogrowth Biogrowth is another R package https://c ran.r- [60]
used in predictive microbiology. project.org/web/
Used to build primary and packages/
secondary models under biogrowth/
statistical and dynamic vignettes/v 02_
conditions based on growth data growth_fitting.
to generate growth curves. It is html
possible to make predictions
with it under isothermal and
dynamic conditions and generate
predictive intervals
Bioinactivation The Bioinactivation is available https://foodlab- [21]
as an R package, as a Shiny app, upct.shinyapps.
and allows the building of io/
inactivation curves under bioinactivationF
different conditions. For example, E/
it is possible to create an
inactivation curve under
uncertain parameters using
stochastic models or model
predictions using dynamic
conditions. The Shiny app allows
the programmer to import data
from Microsoft Excel too
BioOED BioOED is a package for R https://c ran.r- [61]
programming language specific project.org/web/
to predictive microbiology. It is packages/
used for inactivity bioOED/
characterization through vignettes/
sensitivity analysis and optimum vignette_bioOED.
experiment design html
Combase Online database focused on www.c ombase.c c [20]
describing microorganisms’
survival and growth under
various food matrices. Combase
can be used to develop new food
products, reformulate foods,
design challenge test protocols,
produce food safety plans, and
applications
help public health organizations
develop science-based food
policies through quantitative risk
assessment. It is a friendly
interface and may be accessed on
any platform, including mobile
devices
D-database Database with 5000 records for https:// [62]
microbial inactivation foodmicrowur.
parameters. This platform shinyapps.io/
provides information to develop Ddatabase/
inactivation models, including
metaregression
DMFit It is used to determine the http://www. [20]
microbial growth curves based combase.c c/
on the Baranyi model (three index.php/en/
versions), three-phase linear tools
model, two-phase linear model
(two versions), and the linear
model. It is available as an online
version inside Combase and as an
Excel add-in offline version
FDA-iRisk Online system designed to https://irisk. [63]
analyze data related to microbial foodrisk.org
and chemical risks in food. To
evaluate risk on this platform, it
is necessary to include food
consumption, processing, and
preparation data. With this
information, estimating the risk
associated with food
consumption is possible
FSK-Lab (Food It is an open-source risk https:// [64]
Safety assessment extension derived foodrisklabs.bfr.
Knowledge from the data analytics platform, bund.de/fsk-lab/
Lab) graphical programming
framework, and Konstanz
Information Miner (KNIME) of
applications
the Risk Assessment Modeling
and Knowledge Integration
Platform initiative. There, it is
possible to edit, create, and
execute models. The models
created or edited on this
extension are interchangeable
with other software
FoodRisk FoodRisk is a metadatabase of https://www. [63]
tools and models that can foodrisk.org/
generate information for risk
analysis as it pertains to the
safety of food. Can be used in
predictive microbiology studies.
This site is operated by Joint
Institute for Food Safety and
Applied Nutrition (JIFSAN) in
collaboration with the Center for
Food Safety and Applied
Nutrition from the US Food and
Drug Administration
(CFSAN/FDA) and the Food
Safety and Inspection Services
from the US Department of
Agriculture (FSIS/USDA)
Food Spoilage The Food Spoilage and Safety http://fssp.food. [65]
and Safety Predictor software contains dtu.dk
Predictor various models to predict the
(FSSP) effect of product characteristics
and storage conditions on food’s
shelf life and safety. This software
can simulate a cooling chain to
estimate the number of days the
supermarket can sell the product
and the shelf life. Also, it can
evaluate the impact of new
formulation on shelf life product
and assess the effect of
applications
temperature changes on food
safety for different food matrices
GinaFit Excel add-in for inactivation https://c it. [17]
curves with ten model types: (i) kuleuven.be/
classical log-linear curves, (ii) biotec/software/
curves displaying a so-called GinaFit
shoulder before a log-linear
decrease is apparent, (iii) curves
displaying a so-called tail after a
log-linear decrease, (iv) survival
curves displaying both shoulder
and tailing behavior, (v) concave
curves, (vi) convex curves, (vii)
convex/concave curves followed
by tailing, (viii) biphasic
inactivation kinetics, (ix)
biphasic inactivation kinetics
preceded by a shoulder, and (x)
curves with a double
concave/convex shape
Growth rates Growth rates is an R package that https://c ran.r- [66]
brings methods to determine project.org/web/
microbiological growth rates packages/
using experimental data. This growthrates/
package focuses particularly on vignettes/
batch experiments and plate Introduction.html
reader trials
IPMP Global This is a software tool for https://www.ars. [67]
Fit Windows that can be used to fit a usda.gov/
variety of inactivation models to northeast-area/
data using a one-step approach. wyndmoor-pa/
However, it does not include eastern-regional-
features to fit data gathered research-center/
under dynamic conditions or to docs/ipmp-
fit models using the two-step global-fit/
approach
Listeria The device simulates Listeria https://vcadavez. [68]
cardinal monocytogenes behavior using shinyapps.io/
applications
models meta-analytical data ListeriaCardinal
Model/
MicroHibro It makes predictions from https:// [19]
different food matrices/culture microhibro.c om/
media or distinct en/assessment
microorganisms. It is software
and data-based, divided into two
modules. The first one is used to
build predictions/simulations
under specific conditions
standard by the author. This is
possible using mathematical
models in their repository
database originating from the
scientific literature. The second
module consists of an object-
oriented system. MicroHibro can
be used to establish and build
models for shelf life, risk
assessment, sampling plans, and
microbial prediction models.
Besides, it can be used for the
validation of microbiological
models
MicroFit MicroFit is a free, autonomous http://www. [69]
software with an objective univasf.edu.br/
(intuitive) interface that allows ~cpgea/
the development, adjustment, arquivos/
and comparison of mathematical
models of microbial growth.
Based on data analysis of
microbial behavior, it is possible
to establish the useful life of a
product and make decisions
based on the data presented by
the software. It is independent of
other tools
Microbial The MRV (Microbial Responses http://mrviewer. [18]
Responses Viewer) offers details on growth info/
applications
Viewer (MRV) and no-growth limits as well as
the particular growth rates of
selected microorganisms. This
tool enables the retrieval of data
related to bacterial growth and
no-growth, as determined by
specific temperature, pH, and aw
environmental factors.
Furthermore, MRV facilitates the
retrieval of growth rate data for
microorganisms under specific
environmental conditions
MicroRisk Lab MicroRisk Lab is an R https://www. [70]
programming language with a microrisklab.top/
friendly interface called Shinny. english/
This tool aims to fit models to
illustrate microbiological
growth, inactivation, and
interaction. This online freeware
has proper functions for primary
and secondary models. Likewise,
it provides deterministic and
stochastic simulation for
isothermal or non-isothermal
models
nlsMicrobio R package that includes various https://c ran.r- [71]
microbial inactivation models. project.org/web/
However, they can only be used packages/
to describe data under nlsMicrobio/
isothermal conditions. This nlsMicrobio.pdf
package allows the programmer
to create competition curves,
growth curves, secondary growth
models, and others
Pathogens in Database, which contains a https://vcadavez. [72]
Food systematic review of 14 shinyapps.io/
biological hazards in various MeatProducts/
food matrices. This database has
6000 records of food pathogens
applications
Pathogen Developed by the US Department https://portal. [15]
Modeling of Agriculture-Agricultural errc.ars.usda.gov/
Program (PMP) Research Service (USDA-ARS), PMP.aspx
this software which has an online
and offline version is a free-
access tool and provides
predictive models for some
determined variables. It is
possible to generate growth,
death, cooling, heat inactivation,
survival, and transfer
microbiological prediction
models for several stairs. Despite
all these facts, it is important to
point out the importance of
validating or modeling for our
specific culture media/food
analysis
Praedicere It is a free-based software that http:// [73]
Possumus can predict pathogenic praedicere.uniud.
microorganisms’ growth and it/
density using several
environmental conditions. The
results can be exported in CSV,
MS Excel, or PDF formats
Sym’previus This software tool online that can https:// [74]
predict growth, growth/no- symprevius.eu/
growth boundaries, and thermal en/
inactivation of microorganisms
using several environmental
conditions. It helps to guarantee
food safety and quality because it
is designed to support shelf life
determination, product
formulation, and process
optimization. Sym’previus is
available in both a free and a
premium version (for simulation
tools)
4 How to Design to Predictive Microbiology: Collect
Data and Design Experiment
Developing a predictive model requires careful planning and execution
of the experimental design for evaluating the effect of intrinsic and
extrinsic factors. A good experimental design ensures high-quality and
reliable results from the data gathering. In addition, adequate planning
and the organization of the experiment are crucial for ensuring the
collected data has the necessary quality and microbial behavior to be
studied [75].
During planning stage, the model should be designed to consider
several parameters such as the central hypothesis of the study, the food
matrix and its particularities, the target microorganism behavior in this
matrix, the adequate volume of data to support the model, and the
necessary resources [76].
Environmental factors that affect microbial behavior and how their
interaction occurs should also be considered during the design process.
Thus, it may lead to increase the chances of extracting the desired
information and reduce the probability of excessive experimental work
due to failure at the end of the process [77].
The experimental design should control and adapt the factors
according to the design objectives and the hypothesis it aims to test.
The physiological state of inoculum cells, substrate or culture medium
needed, dependent variables proposed for the model, combinations of
factors that may be included in the model, and how collected data are
carried out are all important factors to consider during the designing
process [76, 78].
The factors that must be controlled must be planned and adapted
according to the experimental design objectives and the hypothesis
being tested. Within the design process, it is essential to consider other
specific details such as the physiological state of inoculum cells, the
substrate or coculture medium required, the dependent variables
proposed for the model, combinations of factors to be included in the
model, and the method of data collection. The factors to be considered
are shown in Fig. 5 [77].
Fig. 5 Stepwise to develop a predictive model
For the experimental design, a procedure containing two stages can
be applied, as suggested by [14] (i) performing screening experiments
in a wide range of factors and (ii) conducting a data collection study
within the region of interest, including additional levels of factors that
result in a more refined model and more accurate forecasts. Thus,
experimental designs are used in predictive modeling to “reduce the
number of experiments,” making it an important stage for the
development of models.
The collected data and the number of points needed to represent
microbial behavior are crucial to reducing the uncertainties related to
this behavior. Thus, the distribution of the collected points within the
experimental design becomes fundamental for estimating the
dependent variables. As a result, the representativeness of the model
increases, and there is a reduction in the variance of the estimated
parameters.
Experimental designs are used to model microbial responses in
foods. The advantages of using practical methods correspond to the
“ease of implementation together with its data processing.” In addition,
all combinations are explored, as all information will be obtained from
the experiment, making it an easy tool to handle statistically. It is
possible to develop the experimental design through complete factorial
designs, fractional factorial designs, or central composite designs,
depending on the number of variables in the experiment [77].
4.1 Design Experiment

4.1.1 Complete Factorial Design
The complete factorial design allows a complete investigation of all
combinations of different variables, enabling direct modeling of
interactions, in which it becomes possible to evaluate the
environmental factors that influence the growth and inactivation of
microorganisms. The complete factorial design has significant
advantages, as it is easy to implement and process your data, as all
combinations are explored. Nevertheless, this design has the
disadvantage that a new factor/level is added to the experiment. There
will be a significant increase in the number of experiments, which can
become laborious and expensive [79]. The number of experiments that
will be performed can be calculated as 2k, where k corresponds to the
number of independent variables in the experiment [80].
4.1.2 Fractional Factorial Design

Fractional factorial designs are commonly used in situations where
there are a large number of independent variables, as they help to
reduce the number of experiments required. These designs are based
on prior knowledge or assumptions about the most important factors
or expected interactions. However, they can be more complex to
develop than complete factorial designs, as the different parameters
that should be included in the experimental plan must be carefully
considered [81].
In order to define the matrix of a combination of levels of
independent variables, statistical software is often necessary. One type
of fractional factorial experiment is the Box-Behnken design, which
combines two-level factorial experiments with balanced incomplete
blocks and includes additional experiments in the central points of the
design to test the repeatability of the adopted model design. Another
type of fractional factorial experiment is the factorial Latin square
design, which corresponds to a Latin square of order x, an arrangement
of x letters in an x by x matrix. In this design, each letter appears once in
each line and column inside a square block or field [81, 82].
For experiments in predictive microbiology, the Latin square design
typically corresponds to a primary factor known as “treatment,”
represented by randomly distributed letters appearing only once in a
row or column. This design is useful when several blocking factors,
called “annoyances,” need to be controlled, even though the approach is
not limited to the main factor of interest. The Latin square design
corresponds to an example of an incomplete block. It can be extended
to more individual factors, used as the Greco-Latin square or the Hyper
Graeco-Latin designs [82, 83].
4.1.3 Central Composite Design

The central composite design is commonly used for predictive food
modeling experiments and involves a complete factorial experiment
with a limited number of levels per environmental factor, making it
suitable for studying simpler model structures. This design includes a
complete factorial experiment with a set of central points and two axial
points on the axis of each design variable at a distance of a from the
design center, as described by Eq. 10. The number of experiments for k
variables can be determined using the equation, with n0 representing
the number of experiments at the central point. Additionally, a set of
“star points” is included to estimate curvature and enhance the central
points [84]:
(10)
where k is the number of independent variables and n0 is the number of
experiments of central point.
4.1.4 Doehlert Matrix
The Doehlert matrix is a type of experimental design that is
characterized by points that are uniformly spaced on concentric
spherical shells. This design is also known as a uniform shell design,
and it aims to fill the experimental space uniformly [85]. The number of
designs is determined by the number of variables, k, and the number of
center points, n0, according to the formula k2 + k + n0. For instance, if
n0 = 1 and k = 4, there will be 21 experiments. The center experiment
can be repeated multiple times to estimate the observed variance,
which can be used for model validation. One of the advantages of the
Doehlert matrix is that it can be easily expanded by adding new
variables or increasing the range of the tested parameters, providing
flexibility for the experimental design [86].
4.2 Growth Matrices and Microbial Strain

Predictive modeling in microbiology requires an understanding of the
unique characteristics of the matrix that provides conditions for
microbial growth. The behavior of microorganisms can be explained
through significant environmental factors such as temperature, pH, and
water activity but also by structural compositions of the matrix. This
fact is essential to consider in the development of predictive models.
For example, microbial growth occurs more rapidly in a liquid medium
than in food media [87]. Thus, when comparing predictions generated
from liquid matrices with observations for food ones, it is necessary to
consider the potential factors that may result in divergences. These
factors may include the presence of native microbiota or additional
environmental factors in food matrices that were not included in the
models. For detailed information, see Chapter 3.
An appropriate microbial strain is critical in developing a reliable
and accurate predictive model. Firstly, the chosen strain should be
representative of the microbial population of interest in the food matrix
and be relevant to the food matrix and its storage conditions. The
selection encompasses the origin, including different strains of
foodborne pathogens, physiology, and growth characteristics of the
strain. Depending on the study purpose, strains or cocktails can be
used. This allows the assessment of the variability related to resistance
to stress, behaviors, and the influence of lineage variability given to
changes in the environment between different lineages of the same
species, thus increasing the representativeness of the situation found in
the analyzed food [88]. Alternatively, surrogate microorganisms can be
used instead of specific pathogens when the pathogen is not indicated.
The surrogate should have similar behavior and kinetics
characteristics, except for virulence, similar to the target pathogens
[89].
The microorganisms, vegetative cells, or spores selected for the
study must be incubated in standardized conditions, preferably similar
to those found in food. Also, inoculum preparation is a crucial step for
predictive model development. For more information about the
selection and inoculum preparation and method of inoculation, refer to
Chapter 2.
4.3 Goodness Index Fit and Model Validation

After elaborating and refining the mathematical model, it is necessary
to test it to verify its accuracy in the face of reality, being the last step of
the modeling cycle [90].
Validation methods can be divided into graphical and mathematical
methods. The first one allows quick visualization and interpretation of
the objective data and is characterized by creating a graph where the
expected values according to the model and the values acquired in a
laboratory way are plotted [91, 92]. Mathematical validation implies
the calculation of statistical factors, for example, mean squared error,
accuracy factors, and bias, among others [13, 93, 94].
After performing the curve fitting, the model must be validated
using statistical indexes, constantly evaluating which indexes best apply
to each type of model, taking into account its characteristics, such as
whether the predictive model is a linear function or not [95]. For more
information, see Chapter 10 for model validation.
4.3.1 Goodness Fit Index

The goodness fit indexes are used to evaluate the fit of a model. Some
metrics, such as R2, RSS, and RSME, can provide different information
about the accuracy and precision of the model’s predictions [96].
Another random document with
no related content on Scribd:
— Eh bien ! dit-elle, si on nous le permet, j’irai vous chercher à
une heure ; et nous sortirons avec Julien dans la campagne.
Elles ne s’arrêtèrent pas longtemps ensemble ; un vent d’est
acéré leur mordait les oreilles ; à l’horizon, en aval, se bourraient des
nuages, d’un gris roux de laine sale, qui annonçaient de la neige.
Mais l’invitation de son amie enfla le cœur de Pauline d’une joie
démesurée ; en rentrant, elle se mit au piano, roucoula de longues
vocalises ; puis, tout d’un coup, elle se gronda de cette exubérance.
— Serait-ce à cause de Julien ? Quelle folle je suis !
Vers midi, la neige commença ; il ne volait encore que des
flocons dispersés par la bise, « des papillons » de neige. Edmée fut
exacte au rendez-vous ; sa figure, sous le capuchon d’un manteau,
était fraîche comme une fleur d’églantier. Julien, les jambes serrées
par des molletières, et avec un caban de toile cirée, avait la tournure
d’un jeune lieutenant qui part en reconnaissance.
Il tendit la main à Pauline, lui demanda de quel côté elle préférait
se diriger.
— Où il vous plaira, répondit-elle ; mais les hauteurs sont plus
tentantes.
Ils gagnèrent donc, au delà de l’Yonne, les collines, droit devant
eux, gravirent, dans une gorge humide, le sentier du Ru de Chièvre,
et se trouvèrent en pleins champs, au bord d’un plateau où le vent
abattait les tourbillons d’une neige de plus en plus épaisse. Ils
avançaient contre elle, les joues cinglées, les yeux entreclos, et,
déjà, ne s’entendaient plus marcher. Le grésillement des flocons
s’assourdissait sur la terre blanche. Edmée éprouvait une douceur
de se mêler à cet ensevelissement silencieux ; Pauline, la volupté
batailleuse de cheminer, en dépit du froid et de la tourmente, dans
un pays nouveau, que la neige faisait immense et fantastique.
Julien les précédait, et, de temps à autre, se rapprochant d’elles,
leur lançait une parole brève.
La route s’engageait entre des taillis de jeunes bois ; quelques
feuilles débuées battaient au bout des branches ; les ramilles se
croisaient en réseaux délicats, « semblables, dit Julien, à l’entrelacs
des veines sur la main d’une femme ». Et il regarda celle de Pauline,
comme si, à travers son gant, il eût suivi, sous sa peau, les lignes
bleuâtres. Ce fut l’aveu, à peine saisissable, de sensations qu’il
réprimait. En lui, les mouvements de l’instinct et l’effort de les
maîtriser se succédaient par subits contrastes. Plus loin, ils
aperçurent, autour d’une mare, des osiers rouges oscillant, si rouges
que leurs tiges paraissaient enduites d’un sang figé.
— Quand je vois de ces osiers-là, exprima-t-il comme pour lui-
même, ils me font songer aux verges de la Flagellation…
Pauline, tout étrangère qu’elle fût à l’histoire du Christ, comprit de
quelle flagellation il se souvenait. Deux semaines plus tôt, elle eût
taxé de folle son idée ; aujourd’hui, elle désirait saisir le pourquoi
d’un tel rapprochement. D’ailleurs, la solitude et le vent glacé, la
réflexion brillante de la neige portaient son cerveau à un état de
clairvoyance où ses lourds préjugés se dissipaient.
— Vous êtes étonnant, fit-elle. A quoi bon chercher de la
souffrance, même dans les plantes qui ne souffrent pas ?
— Elles souffrent une peine confuse, reprit, avec animation,
Julien, le deuil du premier Paradis, l’attente de la gloire et de la paix
dernière. Toutes les créatures ont sur elles le signe de la Passion,
puisqu’elles sont l’œuvre du Verbe fait chair et crucifié par
consentement depuis l’origine des siècles. Mais nous, nous savons
qu’Il souffre, et à cause de nous. Supposez-vous chrétienne,
chrétienne totalement — non comme moi qui sais ce qu’il faut faire
et ne le fais pas, — chercheriez-vous dans cette vie autre chose
qu’un miroir de la Rédemption ?
— Tout est là, dit Pauline, vous admettez la Rédemption ; moi, je
ne puis pas. L’innocent pâtir pour le coupable, c’est horrible, c’est
monstrueux ; vous adorez un Dieu féroce, avide de sang, et, ensuite,
un Dieu qui se laisse torturer et qui meurt comme un misérable, pour
payer une faute commise contre lui, Dieu. La contradiction me
révolte…
— Ah ! protesta Julien d’un ton d’affectueux reproche, vous
n’avez guère le sens de l’amour. Est-ce que les hommes ne sont pas
tous un seul homme ? D’innocent, il n’y en a point. J’ai moi-même
une faible expérience de la douleur ; mais je sais que je vaux peu ou
rien. Voilà pourquoi nulle injustice ne me heurte dans les calamités
qui pleuvent sur le monde autant que ces flocons de neige sur nos
têtes. Si j’étais un cœur moins tiède et puéril, je voudrais expier pour
ceux qui ont le plus mérité de souffrir. Dieu seul aime absolument,
comme Il est juste absolument. Dans l’abîme où se joignent la
Justice et l’Amour, vous ne pénétrez pas, moi non plus, ni personne ;
c’est le mystère des mystères. Mais le péché et la douleur sont des
faits ; la Rédemption aussi, et un fait, sans lequel les deux autres
rendraient l’existence incompréhensible…
— Il s’agirait d’abord de prouver, objecta Pauline, que le péché
n’est pas un mythe.
— Alors, intervint Edmée d’une manière pétulante, vous ne
péchez jamais ? Vous avez de la chance !
— Et vous, quels crimes pouvez-vous bien commettre, exquise et
bonne comme vous l’êtes ?
— Oh ! moi ! reprit Edmée, sans trop de contrition dans l’accent,
du matin au soir je pèche. Au moment où je me lève, j’ai la paresse
de me lever ; pendant que nous disons la prière, je me dissipe vingt
fois par minute. Si je déjeune avec du pain rassis, je soupire à l’idée
d’une brioche. Je sors ; les glaces des devantures me renvoient la
silhouette de ma personne, et je n’en suis pas mécontente, je lis
dans les yeux des passants qu’on me trouve bien. Vous avez tort de
me croire bonne ; je me prive rarement pour les pauvres, j’ai une
langue pointue ; quand arrive un ennui aux gens qui ne m’aiment
pas, mon premier cri, si je ne me retenais, serait : Tant mieux ! etc.,
etc… Peut-on savoir tout le mal dont on est capable ?
Pauline se mit à rire : en cette confession elle ne démêlait que
l’enfantillage de scrupules dévots, superficiels du reste,
puisqu’Edmée les énonçait aussi cavalièrement. Il lui était difficile
d’atteindre une âme catholique de moyenne espèce, formée aux
minuties de l’examen de conscience, et familière avec les
sacrements, choyée dans le giron de l’indulgente Église, où, sachant
le pardon à sa portée, elle se tourmentait peu de ses faiblesses.
Ils descendirent en silence au pli d’un mamelon qui les abrita du
vent. La neige continuait à tomber d’une chute impétueuse et molle ;
les bois, sous cette toison grisâtre, perdaient leur couleur brune
d’écorce de châtaigne ; Pauline, malgré la cuisson de l’air froid sur
ses joues, se figurait marcher dans une chambre tendue de ouate.
A la fourche de deux chemins, le long d’une pente, les toits d’un
hameau parurent ; une vieille femme en venait, sa hotte aux
épaules ; elle présentait un profil sec et fin, sans caractère comme
sans vulgarité, effigie usée d’un ancien type rustique. Edmée, d’un
signe de tête, lui dit bonjour ; la vieille, au lieu de répondre, baissa le
nez par maussaderie.
— Nous ne sommes plus au temps, dit Julien, où le salut des
paysans faisait les routes hospitalières même aux inconnus qu’ils
croisaient. A présent, les maîtres, savez-vous comment ils les
appellent ? Les créanciers. Lorsqu’ils nomment, ici, tout près, la
comtesse du Frénoy, ils disent tout court, à la façon des sans-
culottes : la Frénoy.
Les vastes communs d’une ferme antique tranchaient parmi des
masures ; le pignon moussu d’une de ses mansardes pointait hors
de la neige ; une lucarne se couronnait d’un fronton triangulaire,
pompeux et d’autant plus baroque qu’au-dessous s’appuyait une
fruste échelle dont les échelons étaient noirs de purin.
Edmée apprit à Pauline que cette ferme dépendait jadis du
Frénoy, et, indiquant à l’ouest le château invisible derrière les
futaies, elle narra de son histoire un épisode attendrissant.
Il appartenait, vers la fin de la Restauration, à un certain marquis
de Subligny, lequel avait fricassé son bien dans de sottes aventures,
et dut laisser vendre avec son mobilier la maison de ses pères, mais
se réfugia non loin, dans une bicoque, seul en compagnie d’un vieux
domestique. Celui-ci nourrissait son maître de la culture d’un jardin
et des économies faites sur ses gages d’antan. Le marquis,
cependant, se mourait de consomption et du chagrin d’avoir gaspillé
sa jeunesse. Quand les acquéreurs du château connurent son triste
état, ils lui offrirent en sa propre demeure l’hospitalité. On lui réserva
le plus seigneurial des appartements, et, là, entouré de ses meubles,
de tout ce qui perpétuait les fastes de sa famille, il s’en alla d’une fin
douce, dans l’illusion d’être encore le maître de céans.
L’anecdote toucha Pauline plus qu’elle ne l’eût fait en d’autres
lieux. La mélancolie qui tombait sur la campagne muette où le jour
semblait déjà moribond lui insinua une sympathie lointaine pour
l’inconnu dont elle écoutait la légende. La communauté d’un
sentiment fugitif, à son insu, la rapprochait davantage d’Edmée et de
Julien.
Julien voulut regagner la plaine en coupant au milieu des terres.
Il ne s’y décida point sans consulter Pauline dont les chaussures un
peu minces courraient quelques risques dans les sillons comblés de
neige. Elle se moqua de l’avertissement, se prétendit infatigable. Ils
s’avancèrent donc hors des chemins frayés. La bise, maintenant,
leur jetait contre le visage des poignées de flocons, qui, se figeant
au bout de leurs cils, les aveuglaient à demi. Par endroits, ils
arrachaient avec effort leurs pieds de la neige profonde : Pauline ne
sentait plus la pointe de ses orteils ; elle soutenait pourtant son
entrain. Julien se rendit compte qu’elle et Edmée auraient peine à
s’en tirer jusqu’à la grand’route ; il leur proposa fraternellement à
toutes deux son bras.
Pauline le prit d’un geste réservé. Mais, comme elle bronchait au
creux d’une ornière, elle serra fort la manche de son guide dont
l’appui nerveux la maintint d’aplomb. La vigueur de Julien se
communiquait à sa volonté, atténuait sa fatigue. Les champs, au
crépuscule, s’amplifiaient et paraissaient avoir perdu leurs horizons ;
cependant ils découvrirent une ferme solitaire près de laquelle se
hérissaient en ligne des poiriers, « pareils, sous la neige, dit Edmée,
à des porte-cierges, quand de la cire y a coulé ».
Elle ajouta en regardant son frère :
— Il ferait bon s’arrêter, là-bas, cogner à la porte, comme le petit
Poucet, et se griller vis-à-vis d’un bon fagot.
— Vous êtes lasse ? dit Pauline, pour se convaincre qu’elle-
même ne l’était point.
— Encore une demi-lieue, appuya Julien, et nous empoignons la
route. Imaginez-vous jusque-là que cette côte, devant nous, est un
sommet des Alpes où nous allons sauver des voyageurs en
détresse…
Pauline n’avait pas besoin de stimulation ; elle eût souhaité que
leur aventure ne finît jamais ; et elle jouissait d’unir sa marche au
pas ferme de Julien ; mais, tout à coup, par une coquetterie
irraisonnée, elle quitta son bras. L’imperceptible déplaisir qu’elle crut,
à un froncement de sourcils, deviner en lui, la traversa d’une joie
secrète…
A présent ils dominaient la vallée confuse et des peupliers tordus
d’où s’enleva une bande de corbeaux, comme des loques noires
charriées par le vent. Dès qu’ils furent au bas du coteau, sur la route
plate, Julien se tourna vers Pauline :
— Savez-vous où nous sommes ? A un quart d’heure de Druzy.
Voulez-vous faire une surprise à votre oncle ?
Un instant elle hésita : sa méfiance du prêtre se réveillait à l’idée
d’entrer chez lui ; et que dirait son père de cette visite ? Mais elle
commençait à sentir, comme Edmée, sa lassitude ; une curiosité, le
pressentiment du bonheur qu’elle porterait à son pauvre oncle, le
désir tacite de ses deux compagnons, tout la décida.
L’église de Druzy commande, à la façon d’un château fort, les
approches du village ; ancienne collégiale, de loin elle prend des
proportions qui étonnent : les flancs de son vaste chœur s’évident et
poussent au dehors des prolongements à toit aigu ; le chapeau
d’une tourelle s’appuie contre sa nef au-dessous d’un vigoureux
clocher roman. De près, elle trahit des tristesses de ruine ; une
moisissure verte suinte de ses murailles là où le lierre vorace ne s’en
est pas rendu maître.
Julien cherchait du regard, proche l’église, le presbytère, quand il
reconnut, dans un chemin montant, la porte que surmontait une croix
rouillée. Il tira la corde d’une cloche ; des sabots, sur le sol feutré,
résonnèrent sourdement, et l’abbé Jacques vint ouvrir en personne,
car il se passait de servante.
A la vue de Pauline, il demeura comme suffoqué, rougit d’un
transport qu’il ne chercha pas à contenir.
— Je vous espérais, dit-il se ressaisissant ; et Victorien, où est-il
donc ?
Pauline, en quatre mots, sans mensonges de politesse, élucida
comment « le hasard » l’avait conduite à proximité de Druzy ; elle
présenta Edmée et Julien. L’abbé les mena dans sa cuisine ; il y
instruisait, à cette heure, les enfants du catéchisme ; la sacristie, où
il le faisait d’ordinaire, eût été, par ce froid, malsaine. Une lampe de
cuivre sans abat-jour était posée sur une table de bois blanc ; deux
petits gars et deux petites se tenaient assis en rang, un livre entre
leurs mains, le dos tourné au feu, et la neige du dehors éclaircissait
leurs visages de son reflet immaculé.
Le curé alla prendre pour ses hôtes des chaises dans la pièce
voisine ; tandis que les jeunes filles se sécheraient au coin de l’âtre,
il demanda la permission d’achever son catéchisme ; l’assistance
imprévue y ajouta une solennité.
Pauline remarqua tout de suite que les garçons possédaient mal
le texte qu’ils récitaient et ne semblaient rien y comprendre. Les
petites, au contraire, plus déniaisées, levaient souvent le doigt pour
répondre. La moins grande, qui s’appelait Louise, avait un air
espiègle et futé ; ses cheveux bruns dépassaient le châle blanc
qu’elle gardait sur sa tête ; ses yeux, d’une limpidité si brillante que
ses cils même paraissaient bleus, sa bouche menue, son teint rose
s’animaient de grâces mutines ; quand elle ne savait pas, elle faisait
une jolie moue, et, en se dandinant, interrogeait le plafond.
L’abbé leur expliquait l’existence de Dieu dont personne,
visiblement, ne leur avait parlé ; et il tâchait de mettre à leur niveau
une preuve imagée de la Cause créatrice.
— Vous avez vu, mes enfants, des anneaux aimantés pendre les
uns aux autres ; d’où leur vient à tous la puissance qu’ils ont de se
tenir entre eux ? Louise, d’où vient-elle ? Voyons, Augustine ?
Ernest ? Charles ?…
— Eh bien ! reprit-il, comme tous se taisaient, elle vient d’un
premier aimant… Vous vivez. D’où vient la vie ? Elle vient de
quelqu’un qui a été avant vous, avant vos pères, qui a toujours été.
Il s’énonçait avec une gravité affable, haussant peu la voix, et
l’attention des enfants semblait suspendue à ses lèvres, comme par
l’aimant qu’il évoquait. Pauline, formée, selon le pli paternel, à
évaluer les gens sur leurs mérites d’intelligence, reconnaissait à son
oncle une parfaite clarté d’exposition. Elle voulait négliger la
substance de sa doctrine, mais suivait, malgré tout, cette
métaphysique élémentaire aussi neuve pour elle que pour les jeunes
sauvages de Druzy.
Lorsqu’il eut achevé, il se mit à genoux sur les carreaux, les y fit
mettre autour de lui, et, tous ensemble, ils dirent le Pater, puis l’Ave.
Julien et sa sœur se joignirent à l’oraison commune. Les enfants
observèrent que l’autre demoiselle demeura, hors du cercle, assise,
et fixait les braises du foyer.
Elle reçut pourtant, à les entendre, la révélation de ce que peut
être la prière : la voix de l’abbé Jacques imprimait aux mots répétés
par ces bouches enfantines une ferveur si simple qu’une religion
paraissait naître dans cet humble élan vers le Père « qui est dans les
cieux » et la Vierge « bénie entre toutes les femmes ».
La douceur de prier, jamais Pauline ne l’avait comprise.
Maintenant, elle admettait, au moins en idée, le besoin d’invoquer la
Cause inconnue, quand même nous ne savons pas où s’en va notre
appel. Cette sympathie d’émotion se mêlait à la pauvreté
accueillante du presbytère, aux délices du feu dont la tiédeur coulait
en ses membres, et à des réminiscences plus lointaines de foi
familiale que le contact de son oncle ranimait au fond d’elle.
Les enfants congédiés avec des bons points et des images,
l’abbé, au bout de quelques minutes, revint, tenant une bouteille de
Chablis mousseux.
— Ut vinum lætificet cor hominis, dit-il tout jubilant de voir sa
nièce sous son toit. Et, pour la fêter, comme le père de famille
immola le veau gras, il apportait son unique bouteille de choix.
Il se mit en devoir de la déboucher ; mais le bouchon résistait à
son effort ; Julien s’empressa de la lui prendre, et, d’une main aisée,
délivra le vin fumant.
— C’est en cette cuisine, dit Edmée, je la reconnais, que mon
père vit le vieux Breton et sa fille agenouillés…
— Au temps de M. Le Goff, sans doute ? J’ai lu ce nom sur le
registre de mes prédécesseurs. Ah ! ce registre, il contient des
choses bien affligeantes ! Quarante années durant, ma pauvre
paroisse eut un prêtre constitutionnel. Faut-il s’étonner que la foi s’y
soit perdue ?
— Comme vous devez être seul, mon oncle, fit Pauline, tous les
soirs, dans cette maison !
L’abbé venait de lever à la santé de Victorien son verre où il ne
s’était versé qu’une goutte ; il y trempa ses lèvres et sourit :
— Mais, je ne suis pas seul, ma chère enfant ; j’ai toute la
communion des bienheureux et les trois personnes de la sainte
Trinité pour compagnie.
D’ailleurs, ajouta-t-il, même extérieurement ses journées étaient
si pleines ! Le matin, après sa messe, et son ménage fait, il travaillait
une heure son potager, quoique le sol n’en valût rien, la craie sortant
à fleur de bêche. Ensuite, il s’adonnait à un ouvrage de théologie, un
grand catéchisme historique qui exigeait d’énormes lectures.
L’après-midi, il s’en allait voir ses paroissiens, ceux des hameaux
distants, où, depuis une génération, pas un prêtre ne s’était montré ;
il choisissait les jours de pluie et les temps affreux, sûr d’atteindre
les gens au logis ; et ils osaient moins alors lui fermer leur porte.
Les rebuffades ne l’effrayaient point ; la veille, entrant pour la
première fois chez une paysanne, il s’était présenté comme le
nouveau curé. « Qu’é qu’ça m’fait à moi ? » Telle fut sa réponse ; et
elle lui tourna le dos, partit dans son étable. On l’avait prévenu que,
sil pénétrait en de certaines fermes, sa visite aurait pour les
tenanciers l’allure d’un défi à leurs opinions ; ils lâcheraient leurs
chiens contre lui. Il s’y était rendu quand même ; les chiens l’avaient
laissé tranquille ; mais, à l’aspect de sa soutane, comme à
l’approche d’un sorcier ou d’un lépreux, maîtres, domestiques,
enfants s’écartaient, on touchait du fer, on se cachait avec une sorte
d’horreur superstitieuse. D’autres le repoussaient, parce qu’ils
avaient des tares dans leur vie, une femme notamment dont ses
voisins racontaient qu’elle avait empoisonné en son berceau son fils
unique. D’autres l’accueillaient, l’invitaient « à prendre un verre » ;
néanmoins, il ne pouvait leur parler que du « bestial », des récoltes,
de la santé des enfants ; dès qu’il en venait à la religion, tous
prenaient un air stupide. Un point surtout les ahurissait, c’était qu’ils
fussent capables de péché.
— Des péchés ! se rebiffait un vieux moribond ; mais, monsieur,
je puis lever la tête, j’ai toujours été un honnête homme.
— J’en ai bien, moi, des péchés, répliqua l’abbé Jacques.
— Vous en avez ! Eh bien ! c’est du propre ! Pourquoi alors que
vous vous êtes fait curé ?
Pauline, en écoutant ces propos, se souvint de ce qu’elle-même
avait ressenti à la venue de son oncle ; et elle eut presque honte
d’avoir partagé les préventions de rustres imbéciles. La figure du
prêtre, laminée par les jeûnes et la contention intérieure, exerçait sur
elle un prestige que, pour l’instant, elle se plaisait à subir. On eût dit
qu’un pouce surhumain, appuyant sur ses joues, y avait creusé deux
trous d’ombre, pour faire saillir plus fortement ses os d’ascète et
renfoncer la pointe de son regard. Ses doigts, qui se joignaient, puis
se séparaient tout d’un coup, accusaient le fond de violence
nerveuse qu’il s’appliquait à réfréner ; mais une paix transcendante,
indéfinissable flottait autour de sa personne : Pauline se voyait
inférieure à lui, et cependant elle n’en souffrait pas ; elle trouvait
plutôt dans cet abaissement la délivrance d’un malaise obscur.
— Quand le temps est beau, continuait-il, je m’en vais à travers
champs, je lis là mon bréviaire ; je tâche de joindre les hommes au
travail. J’ai conquis l’amitié d’un berger natif du Morvan ; il mène le
long des communaux ses deux cents moutons et ses deux chiens, et
il vit, tout le jour, dans le silence, appuyé sur sa houlette. Nous
sommes faits pour nous entendre… Le soir, je me remets à mon
ouvrage, puis je retourne à l’église. J’en ai besoin ; voyez-vous, il y a
pour le curé de Druzy, comme pour bien d’autres, des heures très
douloureuses. Je ne parle pas des affronts que je dois avaler
comme de l’eau, des mourants qui me ricanent au nez, du maire que
je croisais, dimanche, escorté de son conseil, allant faire un
baptême civil, et il fallait voir de quel œil ces messieurs me
regardaient ! Mais lorsque je songe que, sur six cents âmes à moi
confiées, j’en atteins une vingtaine au plus, je voudrais, pour
dompter ces endurcis, le pouvoir des miracles, je sens mon indignité
écrasante, et parfois je m’étonne que les pierres de mon église ne
crient pas avec moi vers Dieu leur désolation.
— Oh ! je vous comprends, exprima Julien, touché par l’accent de
cette confidence. Moi-même, qui ne suis qu’un écervelé, j’ai, par
moments, de ces idées-là, il me semble que des prodiges
d’expiration suffiraient à peine ; la terre, plus que jamais, a soif des
saints et des martyrs…
— Mon oncle, fit Pauline et se levant, — car cet échange
d’ardeurs mystiques où elle n’avait aucune part l’indisposait, — nous
allons vous dire : Au revoir ; l’oncle Hippolyte se croirait perdu, si le
dîner n’était pas servi à la minute où il l’attend.
— Attendez, je veux que vous emportiez quelque chose de votre
visite.
Un souffle glacial sortit de la porte qu’il ouvrit au fond ; dans la
chambre où il pénétra le vent se plaignait comme un enfant sans
mère.
— Voulez-vous voir mon cabinet ?
Pauline et Edmée, puis Julien en passèrent le seuil ; le froid de
ce lieu leur donna le frisson : un papier, en guise de vitre, battait
contre un des montants de la croisée. L’abbé, d’un ton joyeux,
expliqua sa misère : le bois de la fenêtre étant moisi, comme il
l’ouvrait tout à l’heure pour clore ses volets, l’espagnolette et un des
carreaux lui étaient restés entre les doigts. Le délabrement des
parois elles-mêmes causait un phénomène étrange : la tapisserie,
trouée par endroits, se gondolait à chaque bourrasque ; le mur
semblait vaciller avec des ombres fumeuses, tandis que les flammes
de la lampe éclairaient quelques gravures appendues, le portrait du
Pape entre une estampe du saint Bruno mourant de Lesueur et la
Vision de Zacharie d’après Gustave Doré. Edmée entrevit un
harmonium dans un coin, une table de travail en bois blanc comme
celle de la cuisine, et Julien s’approcha des livres rangés avec
méthode sur des rayons ; il n’y reconnut pas un seul de ces volumes
mondains dont les prêtres désœuvrés de la campagne se plaisent à
égayer leur bibliothèque, mais uniquement, les ouvrages où s’est
condensée la forte moelle de la tradition théologique depuis les
Pères jusqu’à Franzlin et à Mgr Pie.
Pauline, se demandant quel souvenir son oncle lui réservait,
s’attendait, non sans ironie, à une image de piété ; il s’était assis
devant le secrétaire de la tante Lætitia, et il prit dans le tiroir une
miniature qui représentait une jeune dame en toilette du premier
Empire, les épaules et les bras nus, ayant des accroche-cœur sur le
front, des frisons sur les joues, un air de tendresse aimable et de
sémillante ingénuité.
— Tenez, dit-il à Pauline, c’est votre arrière-grand-mère
paternelle ; Victorien la désirait.
Ce cadeau imprévu la transporta ; plus d’une fois le regret l’avait
prise d’ignorer presque tout de cette aïeule, qu’elle savait par ouï-
dire, charmante. A présent, elle possédait au moins ses traits ; que
ne pouvait-elle percevoir le timbre de sa voix, vivre en sa
compagnie, lui dire qu’elle l’aimait !
Elle écartait la miniature pour la faire mieux voir à Edmée ;
l’abbé, derrière elle, haussait la lampe qu’il protégeait de sa main
contre les coups de vent, et Julien, comparant le profil de la dame à
celui de Pauline, admirait la fidélité d’une race à une noblesse de
type longuement acquise.
L’abbé, lorsqu’ils partirent, voulut les raccompagner jusqu’à la
petite gare, au bas du village. Le grésil neigeux, plus menu, pleuvait
du ciel nocturne, tel que de la farine coulant hors du blutoir.
— Les jolis arbres de Noël ! dit Edmée en face des pommiers tout
blancs.
— La neige, reprit Julien, est une chose douce comme la manne
dans le désert.
— Oui, répondit l’abbé, une tombée de neige ressemble à la
descente illimitée des Hosties saintes sur les autels…
Sa phrase, que coupa le sifflet du train, remit une distance entre
Pauline et lui ; un instant plus tôt, elle eût volontiers embrassé son
oncle, oublié qu’il était prêtre.
Julien, pendant le bref trajet, avec une flamme extraordinaire,
loua la sublimité de cette âme sacerdotale heureuse dans
l’abnégation et soumise même aux opprobres. Pauline n’acceptait
qu’à demi son langage, mais elle recevait l’influx de son énergie
qu’elle sentait courir le long de ses nerfs en ondes sourdes.
— Vous verrez, insinua Edmée finement pour confesser son
frère, qu’un de ces matins Julien suivra l’exemple de votre oncle.
— Hélas ! non, répliqua-t-il, le monde me tient trop…
— C’est dommage, lui jeta Pauline, vous seriez parfait en abbé.
— Comme vous en carmélite.
Un sans-façon d’amitié exempt de toute aigreur anima cette
riposte : qu’ils étaient loin déjà de leur première rencontre ! Si
Pauline avait pris le temps de s’examiner, elle eût été confuse
d’avoir tressailli d’un bonheur furtif à entendre que Julien ne serait
pas un prêtre ; et pourquoi se donnait-elle l’air de souhaiter qu’il le
fût ?
Une fois rentrée au logis, durant le souper monotone, puis dans
sa chambre, assise vis-à-vis d’une flambée, tandis qu’elle reprisait le
paletot de l’oncle Hippolyte, elle laissait les impressions de l’après-
midi se dévider capricieusement en sa mémoire ; mais une question
insistante qu’elle ne s’était pas encore posée la tira de la
somnolence où le bien-être du feu liait son cerveau étourdi par la
froidure et le vent : Julien n’avait-il pour elle qu’une sympathie
éphémère ? Devait-elle chercher au fond de ses égards l’arrière-
pensée de la convertir ? Certains signes pourtant, des nuances de
gestes, des coups-d’œil brusques semblaient avouer un attrait
involontaire, presque un sursaut de passion.
— Au reste, conclut-elle en se couchant, qu’il sente et veuille ceci
ou cela, peu m’importe.
Son besoin de se défendre démentait son indifférence affectée ;
elle s’endormit avec la lumière des yeux de Julien contre ses yeux ;
et elle voyait remuer ses lèvres vermeilles articulant ce blâme
qu’elles rendaient suave :
« Ah ! vous n’avez guère le sens de l’amour… »
Au milieu de la nuit, un bruit insolite, venant de la rue, la réveilla :
quelqu’un, en bas, près de la porte, secouait ses semelles chargées
de neige ; serait-ce son père revenu par un train tardif ? Elle se leva,
entr’ouvrit sa porte, et faillit lâcher un cri en reconnaissant de dos
Égalité ; une petite lanterne dans une main, ses chaussures dans
l’autre, la bonne, rentrant d’une équipée, montait en tapinois
l’escalier de sa mansarde.
Pauline se recoucha, bien résolue à chasser le lendemain cette
vilaine fille, et indignée d’abord de son hypocrisie ; mais elle se mit à
raisonner sur cette escapade :
— Après tout, si tel est son plaisir… De quel droit la
condamnerais-je, si ce n’est parce qu’elle est sortie sans permission,
et qu’elle pourrait, une autre nuit, ne plus rentrer seule ? J’irais me
promener le soir avec un ami qui me plairait, serait-il juste qu’on me
lapidât ?
Elle tendit l’oreille, comme si un nouveau bruit allait déranger le
silence. A l’intérieur de la maison rien ne bougeait. Dehors, un chien,
sans doute en quête parmi des immondices, faisait craquer un os
entre ses mâchoires ; des chevaux, dans une écurie, étiraient leur
chaîne. La neige avait dû cesser, et la lune se dégager des nuages ;
car une clarté fluide glissait par les fentes des volets, et ce ne
pouvait être celle du réverbère qu’on éteignait avant minuit.
Pauline cédait au rêve qu’elle venait d’ébaucher : une course
dans les bois, sous la lune blanche, à travers la neige muette,
indéfinie ; Julien l’accompagnait, et bien que la campagne fût
déserte, il lui parlait à voix basse. Subitement, sa conscience se
réveilla.
— Quoi donc ! Je l’aimerais ? C’est trop absurde. Un hautain, un
ambitieux, et peut-être un instable, comme ils le sont tous… Quand
je ne suis pour lui que l’étrangère qui passe, et une mécréante…
C’est fini, je ne veux plus le revoir. Mais faut-il être niaise et
romanesque ? Je l’ai rencontré trois fois, et déjà je me laisse
prendre ! Non, je le reverrai, et je serai froide, méprisante… Qu’a-t-il
fait pour que je le traite ainsi ? Hier, du premier au dernier moment il
s’est montré plein d’attentions, affectueux comme malgré lui. Si
pourtant il me comprenait…!
Son cœur palpita d’une agitation radieuse, des fleurs rouges
tremblèrent dans les rideaux de son lit. Mais, tout d’un coup, le demi-
jour lunaire vint à s’éteindre, les ténèbres furent totales. Un long
frisson lui saisit les épaules. L’angoisse d’un désir impossible à
combler la mit en face de sa misère ; elle eut peur de l’ombre, peur
de sa faiblesse, se sentit isolée, captive au creux d’un puits noir ; où
était-il celui qui la sauverait d’elle-même ? Elle se souvint des
enfants à genoux récitant le Pater ; le murmure de leurs petites voix
l’avait émue ; que ne savait-elle prier comme eux, comme lui ? Et,
dans cette minute de détresse, son orgueil se fondit ; les yeux
grands ouverts, elle prononça :
« O Vous que j’ignore, Être inconnu qu’on appelle Dieu, je ne sais
qui Vous êtes, ni qui je suis ; si vous êtes, je suis au monde par
Vous, c’est Vous qui m’avez créée, comme vous avez fait la neige et
le vent. Je ne vous ai rien donné, et vous m’avez tout donné ; Vous
me connaissez et je ne vous connais pas ; si Vous venez à moi, je
ne puis Vous voir ; si Vous me délaissez, je n’en sais rien. Faites-moi
comprendre au moins que Vous êtes, envoyez-moi la paix dont j’ai
besoin… »
Un coq lointain poussa dans la nuit glacée son appel de clairon
qui veille ; plus calme peu à peu, elle se rendormit.
V
M. Ardel revint harassé et content : il avait humé dans les rues de

Paris ce vent de gloriole qu’on respire là, et non ailleurs ; au
ministère, il avait reçu l’assurance d’être nommé bientôt à
Versailles ; et, quand même il dédaignait l’avancement, cette
promesse lui arrivait comme un souffle du large auquel il tendait ses
voiles. En termes succincts il mit Pauline au fait de sa journée et du
temps affreux qu’il avait dû braver : Paris, vers deux heures du soir,
submergé par un tourbillon de neige ; les véhicules marchaient au
pas ; plus personne sur les boulevards ; on n’y entendait que les
lourds chevaux d’omnibus haletant et glissant ; la suspension de
l’activité dans l’énorme ville ressemblait à un cataclysme ; mais tout
en pestant, il s’était exalté par une marche épique.
Pauline écoutait à peine, consternée d’un départ probable et
prochain.
— Et toi, tout hier, quel a été ton emploi du temps ?
Dès qu’elle répondit que « les Rude » l’avaient emmenée aux
environs :
— Les Rude qui ne le sont guère, dit-il en veine de boutades. Si
le fanatisme religieux ne leur prêtait du mordant, ce serait la famille
française d’aujourd’hui détrempée dans trop de douceur.
Elle prolongea le récit de la randonnée sur les coteaux, retardant
celui de la visite à Druzy ; il fallut y venir enfin, et son père, ainsi
qu’elle l’avait prévu, reprit sa mine d’ironie mauvaise :
— L’incident était concerté entre l’abbé et Julien : tu as donné,
comme une bonne dinde, dans le panneau !
— Pas du tout, protesta-t-elle en rougissant, et avec une vivacité
excessive ; je suis certaine qu’ils ne s’étaient jamais vus.
Elle lui présenta, pour faire diversion, la miniature ; mais il ne la
prit point sans une saillie contre son frère :
— Tout de même… il a compris. Voilà dix ans qu’il aurait dû me
remettre, à moi, son aîné, ce souvenir de famille !
En dépit des apparences, le cadeau ajouta une satisfaction à
celles qu’il rapportait de son voyage : outre qu’il tenait à l’objet lui-
même, l’acte de l’abbé prenait devant lui le sens d’un hommage et
presque d’une réparation. Victorien était de ceux-là qui ont besoin,
pour se voir en beau, de ravilir les autres ; s’il avait été un
triomphateur romain, il eût essuyé voluptueusement la poussière de
ses sandales sur des têtes de rois captifs.
Seulement, il ne soupçonna guère à quel point ses paroles
revêches heurtaient sa fille et la détachaient de son influence.
Jusqu’alors, chez elle, la naïveté des élans et les habitudes de
négation critique se contrariaient sans qu’elle en souffrît ; il lui
semblait nécessaire que l’intelligence dît : Non, quand le sentiment
disait : Oui. Elle voyait en l’esprit d’analyse une forme de supériorité ;
son père tenait à ses yeux la sienne de ce qu’il passait toutes ses
idées au crible d’une méthode, d’un raisonnement. Elle vivait auprès
de lui, dans un air imbu d’un poison subtil, et n’en était pas plus
affectée que de la vapeur des cigarettes qu’il fumait.
A présent, ce dualisme allait la torturer ; et, ou bien elle y
échapperait, ou elle aboutirait au désespoir. L’hypothèse que Julien,
d’accord avec son oncle, avait prémédité toute leur promenade, lui
fut insupportable ; le doute insinué la froissait pour lui autant que
pour elle-même ; cependant, elle ne l’élimina qu’après avoir pesé
« le oui et le non » ; mais elle en voulut à M. Ardel d’une suspicion
inique : vraiment, il généralisait trop ; sa peur d’être dupe tournait à
la hantise : partout il flairait des pièges, des perfidies ! En supposant
des hostilités, il s’en créait. C’est pourquoi, dans son milieu
professoral, sa disgrâce avait tant duré.
La veille encore, elle se fût réjouie de savoir que, sous peu, ce
déni de justice prendrait fin. Maintenant, la perspective de quitter
Sens et leur maison l’affligeait comme une menace d’exil, et, sur la
cause de sa tristesse, une certitude plus poignante que délicieuse
s’imposait à sa lucidité : elle aimait Julien.
Toutefois elle essayait d’accumuler contre son inclination une
série d’obstacles ; le plus immédiat paraissait être un éloignement où
il aurait tôt fait de l’oublier, même si entre eux se nouait une amitié
fragile.
— Il vaut mieux que nous partions, puisque je dois vivre ici
malheureuse…
Elle ressongeait à son trouble de la nuit, au mouvement d’anxiété
qui l’avait ployée jusqu’à l’humiliation d’une prière. Sa prière, sans foi
ni ferveur, abstraite et conditionnelle, liée par la crainte de jeter dans
le vide un sanglot inentendu, énonçait néanmoins le désir de croire.
Comment avait-elle pu en arriver là ? Sa raison discutait les origines
de « cet instant mystique », et débrouillait le fil de ses émotions par
un jeu presque instantané, tant il lui était habituel ! Depuis sa visite à
la cathédrale, un réseau de concordances pieuses l’avait
enveloppée ; mais pourquoi les avait-elle subies, elle auparavant si
tranquille dans son irréligion ?
Les heures passées avec Julien et son oncle ne suffisaient point
à expliquer le changement qui s’était fait en sa vie secrète ; il y avait
quelque chose de plus, un mystère qu’elle ne démêlait pas ; elle le
sentait si bien qu’elle se disait : « A quoi sert de me défendre, si les
impulsions doivent être plus fortes que moi ? » Puis son
indépendance se rebella contre l’abandon de sa volonté :
« Je vais y mettre bon ordre, m’interdire de penser à tout cela. »
Mais, quoi qu’elle voulût, elle ne pouvait redevenir ce qu’elle était
quinze jours avant, et il lui semblait que, devant un miroir, elle s’était
brusquement découvert un autre visage.
Un soin extérieur la détourna de cet examen. M. Ardel, dès qu’il
apprit la conduite d’Égalité, intransigeant sur la morale domestique,
lui signifia qu’elle s’en irait dans la huitaine.
— Tout de suite, répliqua la bonne ; et elle monta faire ses
paquets.
Pauline eut donc à sortir pour chercher une nouvelle servante. Il
gelait plus dur que la veille ; mais le vent était tombé, et la neige des
toits prenait sous le soleil une douceur d’hermine. Au moment où,
debout sur le seuil, elle achevait d’ajuster ses gants, Julien passa
dans la rue. La coïncidence était-elle l’effet d’une aimantation
commune ? Pauline eut une surprise si forte qu’elle pâlit. Au lieu de
la saluer simplement, il vint à elle, s’informa si la course ne l’avait
point fatiguée, si le professeur était rentré sans encombre de Paris.
Dans les mots rapides qu’ils échangèrent, elle connut plus de
bonheur que dans le long contact de la veille. Elle n’en voulait rien
laisser voir, tandis qu’une joie étincelante et victorieuse s’échappait
des pupilles de Julien, faisait son teint plus diaphane et ses gestes
plus délibérés.
Légère comme une brise, elle s’en alla, ressaisie par tout
l’enchantement de ses espoirs :
« Il me dénie, rêvait-elle, le sens de l’amour. Je saurais bien
aimer pourtant, si j’étais sûre qu’on m’aime ! »
Être aimée, voilà ce dont elle manquait, depuis que sa mère était
morte. M. Ardel lui imposait son atmosphère de laboratoire ; à
présent qu’elle avait respiré un air tonique, ses poumons ne
voulaient plus s’en accommoder.
Elle le comprit plus nettement encore, le soir du même jour,
durant deux visites qu’eut son père, celle de Mlle Total, professeur
d’anglais, et de M. Flug, son jeune collègue de philosophie.
Mlle Total était une personne longue et raide, douée d’une
démarche d’autruche, jaune de peau comme une noix sèche,
toujours effacée sous des vêtements sombres, et portant jusqu’en sa
manière de friper sa voilette sur ses bandeaux d’un gris morose le
négligé spécial aux institutrices d’âge mûr. Son âme de célibataire

Basic Protocols in Predictive Food Microbiology Methods and Protocols in Food Science Verônica Ortiz Alvarenga (Editor)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Basic Protocols in Predictive Food Microbiology Methods and Protocols in Food Science Verônica Ortiz Alvarenga (Editor)

Uploaded by

Copyright:

Available Formats

Basic Protocols in Predictive Food

Microbiology Methods and Protocols in

Food Waste Conversion Methods and Protocols in Food

Computational Peptide Science Methods and Protocols

Food Microbiology Laboratory for the Food Science

Plant Virology Methods and Protocols

Circadian Regulation Methods and Protocols Methods in

Rhodopsin Methods and Protocols Methods in Molecular

Ferroptosis Methods and Protocols Methods in Molecular

DNAzymes Methods and Protocols Methods in Molecular

For further volumes: http://​www.​springer.​com/​series/​16556

Basic Protocols in Predictive Food

ISSN 2662-950X e-ISSN 2662-9518

© The Editor(s) (if applicable) and The Author(s), under exclusive

The use of general descriptive names, registered names, trademarks,

This Humana imprint is published by the registered company Springer

Isabella Bassoto Xavier

Luma Moura Brito

Bruno Augusto Mattar Carciofi

Jean Carlos Correia Peres Costa

Mírian Pereira da Silva

Gláucia Maria Falcão de Aragão

Natan de Jesus Pimentel-Filho

Mirian Cristina Feiten

João Borges Laurindo

Daniel Angelo Longhi

Wiaslan Figueiredo Martins

Wilmer Edgard Luera Pena

Angie Dahiana Duque Rodriguez

1. Basic Concepts for Predictive

Verônica Ortiz Alvarenga

Key words Primary modeling – Secondary modeling experimental

2 Application of Predictive Models

3 Concepts for Predictive Microbiology and

3.1 Microbiological Concepts

Fig. 2 Microbial growth curve

3.2 Mathematical Concepts

Adapted from Winston and Goldberg [34]

3.3 Types of Predictive Models

3.3.1 Primary Models

where Ymax is maximum population; Y0 is initial population; μmax is

3.3.1.2 Inactivation Models

where y0 is initial population and D is decimal reduction time.

where yres is residual population, y0 is initial population, kmax is

where y0 is initial population, δ is time for first decimal reduction, and p

3.3.2 Secondary Models

3.3.3 Tertiary Models

4.1 Design Experiment

4.1.2 Fractional Factorial Design

4.1.3 Central Composite Design

4.2 Growth Matrices and Microbial Strain

4.3 Goodness Index Fit and Model Validation

4.3.1 Goodness Fit Index

M. Ardel revint harassé et content : il avait humé dans les rues de

You might also like

For further volumes: http://www.springer.com/series/16556