食品微生物风险评估作为风险分析体系的核心和基础，为加强风险管理和风险交流提供了重要的技术支撑^[1]。目前国际上广泛采用的微生物风险评估步骤是危害识别、危害特征描述、暴露评估和风险描述。自2000年以来，随着全球范围内微生物风险评估原则被采用，基于风险的食品安全管理已然出现。食源性致病菌可引起人体严重的腹泻或感染。据世界卫生组织(WHO) 2019年报道，全球食源性疾病患病人数约6亿，其中死亡人数约为42万^[2]。在中国，从1964年到2010年，仅食源性的李斯特菌病一项就有147个突发事件^[3]。变异性是影响微生物风险评估结果准确性的一个重要因素。它是系统的函数，不可消除。如图 1所示，变异性的来源主要包括初始微生物污染水平变异性、食品储藏条件(时间-温度)变异性、菌株变异性和群体异质性等，均会影响消费时致病菌的暴露量，最终影响风险评估结果的准确性，其中菌株差异对风险评估结果造成的影响不可忽略。

菌株变异性是指同一种属不同菌株之间在生理特性、生长特性、失活特性或遗传特性等方面的差异性^[4]，是菌株之间存在的固有差异，不能通过改变试验方法或改善试验方案来消除^[5]。目前已有不少研究涉及菌株表型变异性(生长特性和失活特性、毒力、生物膜形成能力和耐药性等)以及将菌株变异性整合到预测模型中的方法。然而，如何将目前研究中庞大的数据运用并整合到微生物风险评估的具体环节中仍然是一个挑战。例如，将菌株毒力变异性合并到剂量效应模型中，优化将菌株生长或失活变异性整合到预测模型中的方法等。此外，在风险评估过程中，变异性的来源主要包括微生物源和非微生物源，其中菌株造成的变异性不可忽略，同时将各个来源变异性的大小进行比较并排序是实施合理风险评估措施的重要手段之一。已有研究比较了菌株差异性和生长历史两个因素对单核细胞增生李斯特氏菌热抗性(D值)变异性大小的影响，发现两个因素对D值的影响大小相等^[6]。因此，定量各个因子对变异性大小的影响，并且按影响大小对因子进行排序，对预测结果的真实性和风险评估结果的准确性有重要的作用。菌株变异性对微生物行为(生长或失活)预测和风险评估具有重要的意义。

目前，有关菌株变异性的研究已有很多，然而由于面临诸多问题，菌株变异性研究仍然需要进一步探讨。本文从食品链中变异性的来源、菌株表型变异性的研究进展以及整合菌株变异性到预测模型中的方法三个方面分述菌株变异性的研究进展，总结菌株变异性研究的不足，以期为进一步将菌株变异性整合到风险评估中提供理论参考。

1 食品链中变异性的来源

不同来源的变异性影响着微生物风险评估结果的准确性。在食品链中，变异性的来源主要有微生物源和非微生物源。其中，微生物变异性的来源包括菌株、生物学重复实验、平行实验和生长历史带来的变异性等，非微生物来源包括食品中食品基质特性变异性、食品贮藏/运输温度-时间变异性和食品加工温度-时间变异性等。将不同来源的变异性进行比较和排序，对实施合理的食品安全措施至关重要。

有关不同来源变异性大小比较的研究较少。2015年，Aryani等^[6-7]比较了不同变量下生物学重复变异性、平行实验变异性和菌株变异性对单核细胞增生李斯特氏菌生长特性的影响。研究结果均表明，菌株变异性等于或大于生物学重复实验变异性大小，都大于平行实验变异性。此外，作者借用其他文献的相关数据，比较了菌株、平行实验、生物学重复实验、生长历史等变异性对单核细胞增生李斯特氏菌热抗性特性影响的大小，结果显示，生长历史变异性和菌株变异性大小几乎相等^[6]。2017年，Den Besten等^[8]比较了菌株生长和热失活特性变异性与其他来源的变异性(如贮藏过程中温度-时间变异性、初始微生物污染水平变异性等)对食品中微生物最终污染水平的影响大小。结果显示，在大多数场景下，菌株变异性对最终产品中微生物污染水平的影响最大，其次是牛奶加热温度、家庭贮藏温度、家庭贮藏时间等，该研究结果进一步证明了菌株变异性及整合菌株变异性对于风险评估中的重要性。

总体来说，变异性的来源很多，而关于各种来源变异性比较和排序的相关研究较少，需要进一步将微生物来源的变异性和非微生物来源的变异性进行比较和排序，为实施合理的食品安全措施提供依据，以充分认识变异性在风险评估中的重要作用。此外，与其他来源的变异性相比，菌株对总体变异性的影响很大，不可忽略。

2 菌株表型变异性

菌株变异性包括菌株表型(生长和失活、毒力、生物膜形成能力和耐药性等)变异性、基因表达变异性、蛋白质功能变异性和代谢变异性等。目前，在微生物风险评估中以表型信息或数据输入为主，因此，从以下4个方面来概述菌株表型变异性的研究进展。

2.1 生长和失活变异性

菌株生长和失活变异性体现为菌株生长和失活参数的差异。预测微生物模型定量体现菌株在“食品链”中的数量变化，不同参数的分布影响风险评估的“暴露评估”结果，进而影响风险特征描述结果，最终影响风险评估结果的准确性。

表 1总结了近年来关于菌株生长或失活变异性的相关研究。对于同一细菌的不同菌株，用实验数据拟合得到的生长或失活参数，如迟滞期(λ)、最大比生长速率(μ_max)、生理状态(α)、菌株能够生长的最小pH值(pH_min)、菌株能够生长的最小温度(T_min)、菌株能够生长的最大水分活度(α_{w max})、D值和z值等，都可能存在较大差异。例如，Aryani等^[6]的研究中20株单核细胞增生李斯特氏菌的pH_min值范围是4.43–4.68 ℃，α_{w max}的范围是1.81–2.15。另外研究还发现这20株单核细胞增生李斯特氏菌的D值在55 ℃、60 ℃和65 ℃下的范围分别是9.2–30.2、0.58–4.1、0.075–0.57 min，其z值的范围是4.4–5.7 ℃^[11]。菌株生长和失活的变异性还体现在应激条件处理后菌株响应的变异性，即交叉保护现象的变异性。例如，Lianou等^[9]研究了酸适应后30株沙门氏菌在pH 3.0条件下失活的数据，研究结果显示大多数的沙门氏菌在酸适应后抗性比没有酸适应的沙门氏菌抗性小，但是也有菌株抗性不变或减少。因此，菌株的生长或失活特征存在变异性，且这种变异性在不同种食源性致病菌中广泛存在。此外，相关文献的研究结果显示，生长和失活条件(如温度、pH值、水分活度等)影响菌株变异性的大小，生长或失活条件越苛刻，菌株生长或失活变异性越大^[14-15]。总体来说，虽然有关菌株生长和失活变异性的研究很多，但目前现有数据依然有限。根据相关文献中的数据，我们比较了由元分析得到的菌株变异性和由单一研究得到的菌株变异性(图 2)，可以发现荟萃分析(Meta-analysis)的菌株变异性比单一研究中菌株变异性大。因此，大量的实验数据仍需要收集整理，以便把研究结果运用到风险评估过程中。

2.2 毒力变异性

在风险评估中，危害特征描述(剂量反应模型)的建立需要掌握菌株毒力的相关信息。准确描述菌株毒力差异以及如何将这种差异合并到剂量效应模型中对微生物风险评估至关重要。然而，在目前的定量风险评估中，还没有辨别菌株差异对微生物剂量效应模型的影响，意味着现有方法没有考虑菌株毒力变异性或无毒菌株的存在，这是风险评估不确定性的一个重要来源。

单核细胞增生李斯特氏菌在菌属水平上具有致病性，而在种内其毒力和致病能力也存在显著差异。单核细胞增生李斯特氏菌有4个进化谱系和13个血清型。98%的病因归于3个血清型(1/2a，谱系Ⅱ；1/2b和4b，谱系Ⅰ)^[20]。传统的分型方法只能分辨主要的菌株类型。分子分型方法，例如脉冲电场凝胶电泳和多位点序列分型，由于具有更高的分辨率，可将菌株进一步分型。已有研究显示不同序列型(Sequence type，ST)的单核细胞增生李斯特氏菌潜在致病能力也存在显著差异，如Ciolacu等^[22]的研究结果显示不同ST型菌株的侵袭效率的范围是0.98%–2.78%。不同血清型、来源和ST型菌株毒力或潜在致病能力存在较大变异性。

沙门氏菌有2 500多种血清型，其中肠炎和鼠伤寒等是引发人体感染的主要血清型，其他血清型很少引发疾病。相关疾病的暴发也只与很少的血清型相关。研究发现沙门氏菌不同血清型菌株的毒力存在差异性^[22-23]，相同血清型之间也存在变异性^[24]，且菌株毒力变异性与血清型无关^[24]，人体来源的沙门氏菌的毒力较强。此外，相同毒力基因不同来源沙门氏菌的致病性也不同^[24]。菌株毒力强弱与毒力基因的存在与否无关^[23]。沙门氏菌的毒力基因常位于毒力岛上，有小部分毒力基因位于质粒中，毒力岛和质粒与沙门氏菌侵袭、定植和粘附宿主细胞等密切相关。沙门氏菌毒力变异性的成因受多种因素共同作用影响。

由此可见，菌株毒力变异性与菌株本身、血清型和来源等密切相关。菌株毒力变异性会影响危害特征描述和剂量效应模型的结果，其中剂量效应模型受菌株生长和失活变异性和菌株毒力变异性的共同影响。因此，在微生物风险评估过程中，需考虑菌株不同表型变异性。

2.3 生物膜形成能力变异性

生物膜是指被细胞自身产生的聚合物或其他胞外物质包围而形成的微生物群落^[26]。在食品环境中，致病菌可在传送带、切割表面、管道、墙壁等食品接触表面形成生物膜^[27]。相比于游离细胞，生物膜里的细菌可以抵抗更加严苛的环境条件和抗菌药物^[28]，从而产生食品安全隐患，造成巨大的经济损失。目前已有许多清除生物膜的措施，包括乳酸、次氯酸和过氧化氢等常用控制措施。然而，不同菌株对杀菌手段的抗性不同，造成了不恰当的安全处理，加大了生物膜的清除难度。

菌株生物膜形成能力存在变异性^[28-30]，而且致病菌生物膜形成能力的变异性受到培养环境、营养条件、血清型、菌株来源、接触材料等因素的影响，还受菌株的ST型的影响^[31-32]。此外，一些研究报道，抗性强的菌株初始黏附力和早期生物膜形成能力强，但是在长期的黏附阶段中，其生物膜形成能力和抗性弱的菌株没有显著性差异^[33-34]。但是，Ochiai等^[35]的研究结果显示抗性强的菌株比抗性弱的菌株生物膜形成能力更强，而Nilsson等^[27]的研究表明抗性强的菌株生物膜形成能力弱。这表明生物膜形成能力与菌株抗性不一定存在联系。这种差异可能是菌株、实验操作等差异引起的，需要进一步验证。

综上所述，不同菌株的生物膜形成能力存在差异，且差异大小受多种因素的影响。生物膜在食品加工、贮藏等过程中的转移和形成增大了致病菌清除难度，造成风险评估结果的不确定性。生物膜形成能力差异性的机制需要进一步深入研究。

2.4 耐药性变异性

近10年，抗生素的消费量提高了将近40%，耐药性问题已然成为全球威胁^[36]。此外，菌株耐药性增大了抗生素临床治疗失败的可能性。

单核细胞增生李斯特氏菌对抗生素很敏感，但是由于抗生素在相关领域内得到充分运用，导致该菌的耐药性越来越高^[37-38]。已有大量文献研究证明不同来源的单核细胞增生李斯特氏菌菌株对单一或不同抗生素的耐药性存在差异^[39-44]。单核细胞增生李斯特氏菌获得耐药性的主要机制是通过移动遗传因子(如质粒)在不同菌株之间的转运^{[38, 45-46]}，这也可能是不同菌株耐药性存在差异性的原因^[43]。

沙门氏菌也普遍存在菌株耐药性变异性。如Wang等和Han等^[47-48]的研究结果显示。沙门氏菌耐药性的机制主要包括5种^[49-52]，分别是：靶位点的改变；抗生素因水解或其结构改变而降解或失活；胞内抗菌药物有效浓度降低；群体感应现象；生物膜的形成。沙门氏菌耐药机制变异性是菌株耐药性变异性的根源。

菌株耐药性变异性在食源性致病菌中普遍存在。菌株耐药性变异性的根源是其耐药机制的变异性。耐药性变异性的存在是临床环节中抗生素治疗失败的主要因素之一，它增大了风险评估的难度，影响风险评估结果的准确性。针对这一现象，应开展大规模的食源性致病菌耐药性普查，构建食源性致病菌耐药信息数据库，寻找致病菌产生耐药性变异性的规律，揭示其潜在的耐药机制^[53]。

3 整合菌株生长、失活变异性到预测微生物模型中的方法

通常，通过两种典型的定量模型预测食品链中微生物的生长或失活，即确定性模型和随机模型。其中确定性模型是通过输入单一数值得到单一输出值，而随机模型是通过输入数学分布得到一个分布形式的输出。目前在预测建模中，通常将菌株的动力学数据以分布(如泊松分布、贝叶斯方程等)的形式整合到预测微生物模型中^[54-55]。Ross和McMeekin等^[56]提出了“相对速率”的方法，美国农业部(USDA)和食品安全检验局(FSIS)用此方法进行了即食食品中单核细胞增生李斯特氏菌的风险评估^[57]。这种整合菌株变异性的方法是根据经验得来的，且因为使用菌株数量有限，难以应用于相关研究中^[14]。有的研究则通过蒙特卡洛模拟模型、拉丁超立方等方法，将菌株变异性合并到微生物预测模型中^[58]。例如，2011年，Lianou等^[14]以累积密度分布的形式整合菌株变异性到生长模型中，并且用蒙特卡洛模拟的方法，形成了一个优化的随机模型。蒙特卡洛模拟的输出分布结果由多个输入分布决定。如图 3所示，输出分布(c₁和c₂)结果由两个输入分布(a₁，a₂，b₁和b₂)决定^[59]。这种方法在一定程度上弥补了前者的不足，但所用菌株数量有限等问题依然不能彻底解决。因此，需要更好的将菌株差异整合到预测模型中的方法。

综上所述，菌株生长和失活特性变异性通常以数学分布的形式合并到预测微生物模型中。但是目前为止，由于菌株生长和失活特性变异性受多种因素的影响而呈现出多样性和复杂性，因此需要进一步改善或提出更好的整合菌株变异性的方法，降低菌株动力学特性变异性对风险评估结果的影响。

4 结论与展望

食源性致病菌菌株在生长和失活、毒力、生物膜形成能力和耐药性等方面均存在显著变异性，对风险评估结果的准确性有很大影响。虽然目前已有不少研究关注菌株变异性，比较菌株变异性和其他来源的变异性，同时应用相关的数学方法整合菌株生长或失活参数于预测微生物模型中，但是有关食源性致病菌菌株变异性的研究依然存在不足。针对风险评估中菌株变异性存在的问题，建议如下：首先，在扩充现有菌株表型变异性数据的基础上，从基因、蛋白质的细胞代谢等更深层次的水平上探究菌株表型变异性的机制；其次，将菌株变异性与食品特性变异性、食品贮藏/运输温度-时间变异性以及群体异质性等进行比较和排序，以便充分在食品安全设计中制定合理措施，降低主要来源变异性对食品安全的影响；最后，基于目前已有的将菌株表型变异性整合于预测模型方法的基础上，探寻将基因表达变异性、蛋白质变异性和代谢变异性整合到预测微生物模型中的方法。