Microbiologia degli alimenti 2020-2021: le vostre opinioni

Posted on by

Ecco qui il report sui questionari delle opinioni degli studenti. I risultati saranno commentati in aula. Come ogni anno ci sono delle significative differenze fra la realtà e la vostra percezione. devo pregarvi ancora una volta di compilare i questionari con attenzione: se inserite informazioni inesatte o false è difficile usare i questionari per effettuare degli aggiustamenti alle modalità di erogazione della didattica.

In particolare, come spiegato durante il corso, è impossibile eliminare quelli che percepite come elementi di ripetitività e che sono ben segnalati durante il corso per le seguenti ragioni:

  • è sostanzialmente impossibile coordinare i contenuti con quelli erogati dai corsi tenuti a contratto
  • è molto difficile coordinare i contenuti con quelli di altri docenti
  • è necessario ripetere materiale che dovreste già conoscere da altri corsi ma che non conoscete (come dimostrato dalle domande in classe e dai test di ingresso)

http://web.unibas.it/parente/wp-content/upLoads/questmal2122.pdf

Modalità di svolgimento esami di profitto da settembre 2021

Posted on by

Cari studenti, il regime normativo vigente a livello nazionale e del nostro Ateneo (tutte le informazioni sono disponibili qui) prevedono che le attività didattiche, ivi inclusi gli esami, si svolgano prevalentemente in presenza e che, per l’accesso all’Università, gli studenti debbano essere muniti di Green Pass. Le eccezioni sono definite nel medesimo documento. Pertanto, gli esami si svolgeranno in presenza. Gli studenti che sono impossibilitati ad essere presenti devono inviare per e-mail, almeno 5 giorni della data dell’esame, la documentazione che attesti ufficialmente che ricadono nelle categorie che hanno diritto alla didattica a distanza (soggetti fragili, etc.). In questo caso verrà fissata una seduta di esame a distanza, che prevede comunque che lo studente sia inquadrabile con almeno una telecamera.

Risorse per la microbiologia predittiva

Posted on by

La microbiologia predittiva (o ecologia microbica quantitativa degli alimenti) è una branca della microbiologia degli alimenti che ha subito un rapido sviluppo a partire dagli anni ’80 del secolo scorso. La microbiologia predittiva sviluppa metodi e modelli per predire crescita, sopravvivenza e inattivazione dei microrganismi negli alimenti. I modelli, e le loro predizioni, possono essere integrati in analisi del rischio microbiologico semiquantitative e quantitative. In questo post (che cercherò di mantenere aggiornato per quanto possibile) riporterò i collegamenti ad alcuni database strumenti software (generalmente on line, anche se qualcuno è disponibile come software stand-alone) utilizzabili per applicazioni di microbiologia predittiva.

Risorse sull’epidemiologia delle tossinfezioni alimentari:

  1. RASFF: il portale di allerta rapida dell’Unione Europea. Consente di eseguire ricerche per selezionare gli allerta diffusi dagli stati membri, relativi al superamento di criteri microbiologici, all’occorrenza di episodi epidemici e ad altre situazioni di pericolo.
  2. ECDC: la pagina dell’European Center for Disease Control and Prevention sulle tossinfezioni alimentari (e sulle malattie veicolate dall’acqua), una risorsa importante per l’analisi del rischio
  3. EFSA: The European Union summary report on trends and sources of zoonoses, zoonotic agents and food-borne outbreaks in 2017, un report fondamentale per comprendere la diffusione dei patogeni lungo tutta la catena alimentare con particolare riferimento agli animali da allevamento e non
  4. FOSCOLLAB: la piattaforma collaborativa sulla sicurezza alimentare della FAO/WHO

Risorse sulla microbiologia predittiva:

  1. Combase: il principale portale di risorse per la microbiologia predittiva. Una volta creato un account (gratuito) potete esplorare il database che raccoglie dati sugli esperimenti di microbiologia predittiva realizzati da scienziati e industrie, utilizzare ComBase predictor per predire crescita e inattivazione di microrganismi, e raggiungere molte altre risorse on line. Esiste una versione Premium di Combase che potrebbe non essere accessibile a tutti gli utenti. Questa versione rende disponibile, oltre a numerosi modelli relativi ad alimenti, una versione online di RiskRanger, un software per la valutazione del rischio semiquantitativa.
  2. Pathogen Modelling Program online: un’altra interfaccia di modelli per crescita e inattivazione.
  3. Microbial Response Viewer: una risorsa online che usa i record di Combase per costruire modelli per la probabilità di crescita di microrganismi rilevanti per la sicurezza o la qualità in funzione di temperatura, pH o aW (fra le altre cose)
  4. Lemgo: un database di dati sull’inattivazione termica di microrganismi

Giornata mondiale della biodiversità

Posted on by

In occasione della giornata mondiale della biodiversità i docenti di microbiologia della Scuola SAFE organizzano due webinar, per promuovere i valori della tutela della biodiversità (microbica) e presentare i metodi di punta per lo studio della biodiversità.

  • Dr.ssa Teresa Zotta – Prof.ssa Angela Capece. La biodiversità microbica come risorsa della Terra. Sabato 22 maggio 2021, 10.30-11.30. Partecipa con Meet: https://meet.google.com/gtg-irnp-ykq. Il seminario, a carattere divulgativo, illustrerà il potenziale industriale della biodiversità microbica e il ruolo delle Collezioni di colture nella tutela della biodiversità. È destinato a studenti e docenti delle scuole secondarie superiori, a studenti universitari di corsi di studio correlati alle scienze e tecnologie alimentari, biotecnologie, e scienze ambientali, ma anche a stakeholders del sistema agro-alimentare (consorzi di tutela di prodotti tipici, associazioni di produttori, associazioni di consumatori)
  • Prof. Eugenio Parente. Diversi dentro: approcci e metodi per lo studio del microbioma. Sabato 22 maggio 2021, 12.00-12.30. Partecipa con Meet: https://meet.google.com/pit-ypus-etq. Il seminario, a carattere tecnico, illustrerà i metodi -omici per lo studio della biodiversità microbica, con particolare attenzione allo studio del microbioma umano e animale. E’ destinato a ricercatori che si occupa di medicina, biologia, tecnologie alimentari, veterinaria, ma anche di scienze ambientali, studenti di lauree magistrali o a ciclo unico di Biotecnologie, Farmacia, Scienze e Tecnologie Alimentari, Scienze e Tecnologie Agrarie, Medicina veterinaria, Medicina e Chirurgia, docenti di discipline scientifiche nelle Scuole Secondarie Superiori. La presentazione in Powerpoint può essere scaricata qui.

Per partecipare è sufficiente accedere ai link Meet usando qualsiasi browser.

I seminari fanno parte del ciclo di iniziative di public engagement SAFE41Health, che hanno lo scopo di promuovere e illustrare il ruolo delle scienze agrarie, alimentari e forestali, nell’approccio globale alla tutela della salute degli ecosistemi, degli animali e dell’uomo (One health).

Statistical computing with R – fuori dai muri

Posted on by

Il corso “Statistical computing with R” per l’AA 2020-2021 è ormai alla sua terza lezione e, credo, può servire a dimostrare che, con un po’ di voglia e di fantasia, si può uscire dai muri (metaforicamente) del nostro piccolo Ateneo per raggiungere studenti in tutto il mondo. Il corso ha 125 iscritti, da 27 paesi diversi (dalla Norvegia al Sud Africa, dal Portogallo al Vietnam). Ognuno segue come può e come vuole, in un blend di Meet, videolezioni off-line e piattaforma di e-learning.

Bibliography PRIN2020 proposal 2020BBF4CE

Posted on by
  1. Parente E, Ricciardi A, Zotta T. 2020. The microbiota of dairy milk: a review. Int Dairy J 10:104714.
  2. Afshari R, Pillidge CJ, Dias DA, Osborn AM, Gill H. 2018. Cheesomics: the future pathway to understanding cheese flavour and quality. Crit Rev Food Sci 60:1–15.
  3. Walsh AM, Macori G, Kilcawley KN, Cotter PD. 2020. Meta-analysis of cheese microbiomes highlights contributions to multiple aspects of quality. Nat Food 1:500–510.
  4. Ricciardi A, De Filippis F, Zotta T, Facchiano A, Ercolini D, Parente E. 2016. Polymorphism of the phosphoserine phosphatase gene in Streptococcus thermophilus and its potential use for typing and monitoring of population diversity. Int J Food Microb 236:138–147.
  5. De Filippis F, La Storia A, Stellato G, Gatti M, Ercolini D. 2014. A selected core microbiome drives the early stages of three popular italian cheese manufactures. PLoS One 9:e89680.
  6. Proctor LM, Creasy HH, Fettweis JM, Lloyd-Price J, Mahurkar A, Zhou W, Buck GA, Snyder MP, Strauss JF, Weinstock GM, White O, Huttenhower C. 2019. The Integrative Human Microbiome Project. Nature 569:641–648.
  7. Thompson LR, Sanders JG, McDonald D, Amir A, Ladau J, Locey KJ, Prill RJ, Tripathi A, Gibbons SM, Ackermann G, Navas-Molina JA, Janssen S, Kopylova E, Vázquez-Baeza Y, Gonzalez A, Morton JT, Mirarab S, Xu ZZ, Jiang L, Haroon MF, Kanbar J, Zhu Q, Song SJ, Kosciolek T, Bokulich NA, Lefler J, Brislawn CJ, Humphrey G, Owens SM, Hampton-Marcell J, Berg-Lyons D, McKenzie V, Fierer N, Fuhrman JA, Clauset A, Stevens RL, Shade A, Pollard KS, Goodwin KD, Jansson JK, Gilbert JA, Knight R, Consortium EMP. 2017. A communal catalogue reveals Earth’s multiscale microbial diversity. Nature 551:457–463.
  8. De Filippis F, Parente E, Ercolini D. 2018. Recent Past, Present, and Future of the Food Microbiome. Annu Rev Food Sci T 9:589–608.
  9. Pollock J, Glendinning L, Wisedchanwet T, Watson M. 2018. The Madness of Microbiome: Attempting To Find Consensus “Best Practice” for 16S Microbiome Studies. Appl Environ Microbiol 84:3225.
  10. Gonzalez A, Navas-Molina JA, Kosciolek T, McDonald D, Vázquez-Baeza Y, Ackermann G, DeReus J, Janssen S, Swafford AD, Orchanian SB, Sanders JG, Shorenstein J, Holste H, Petrus S, Robbins-Pianka A, Brislawn CJ, Wang M, Rideout JR, Bolyen E, Dillon M, Caporaso JG, Dorrestein PC, Knight R. 2018. Qiita: rapid, web-enabled microbiome meta-analysis. Nature meth 15:1–6.
  11. Mitchell AL, Almeida A, Beracochea M, Boland M, Burgin J, Cochrane G, Crusoe MR, Kale V, Potter SC, Richardson LJ, Sakharova E, Scheremetjew M, Korobeynikov A, Shlemov A, Kunyavskaya O, Lapidus A, Finn RD. 2019. MGnify: the microbiome analysis resource in 2020. Nucl Ac Res 48:D570–D578.
  12. Parente E, De Filippis F, Ercolini D, Ricciardi A, Zotta T. 2019. Advancing integration of data on food microbiome studies: FoodMicrobionet 3.1, a major upgrade of the FoodMicrobionet database. Int J Food Microbiol 305:108249.
  13. Jonnala BRY, McSweeney PLH, Sheehan JJ, Cotter PD. 2018. Sequencing of the Cheese Microbiome and Its Relevance to Industry. Front Microbiol 9:1890–12.
  14. Montel M-C, Buchin S, Mallet A, Delbès-Paus C, Vuitton DA, Desmasures N, Berthier F. 2014. Traditional cheeses: Rich and diverse microbiota with associated benefits. Int J Food Microbiol 177:136–154.
  15. Bokulich NA, Lewis ZT, Boundy-Mills K, Mills DA. 2016. A new perspective on microbial landscapes within food production. Curr Op Biotechnol 37:182–189.
  16. Kamilari E, Tomazou M, Antoniades A, Tsaltas D. 2019. High Throughput Sequencing Technologies as a New Toolbox for Deep Analysis, Characterization and Potentially Authentication of Protection Designation of Origin Cheeses? Int J Food Sci 2019:5837301.
  17. Ercolini D, De Filippis F, La Storia A, Iacono M. 2012. “Remake” by high-throughput sequencing of the microbiota involved in the production of water buffalo mozzarella cheese. Appl Environ Microbiol 78:8142–8145.
  18. Stellato G, De Filippis F, La Storia A, Ercolini D. 2015. Coexistence of Lactic Acid Bacteria and Potential Spoilage Microbiota in a Dairy Processing Environment. Appl Environ Microbiol 81:7893–7904.
  19. Levante A, De Filippis F, La Storia A, Gatti M, Neviani E, Ercolini D, Lazzi C. 2017. Metabolic gene-targeted monitoring of non-starter lactic acid bacteria during cheese ripening. Int J Food Microbiol 257:276–284.
  20. De Filippis F, Genovese A, Ferranti P, Gilbert JA, Ercolini D. 2016. Metatranscriptomics reveals temperature-driven functional changes in microbiome impacting cheese maturation rate. Sci Rep 6:21871.
  21. Alessandria V, Ferrocino I, De Filippis F, Fontana M, Rantsiou K, Ercolini D, Cocolin L. 2016. Microbiota of an Italian Grana like cheese during manufacture and ripening unraveled by 16S rRNA-based approaches. Appl Environ Microbiol 82:3988–3995.
  22. Dolci P, De Filippis F, La Storia A, Ercolini D, Cocolin L. 2014. rRNA-based monitoring of the microbiota involved in Fontina PDO cheese production in relation to different stages of cow lactation. Int J Food Microbiol 185:127–135.
  23. Bottari B, Levante A, Bancalari E, Sforza S, Bottesini C, Prandi B, De Filippis F, Ercolini D, Nocetti M, Gatti M. 2020. The Interrelationship Between Microbiota and Peptides During Ripening as a Driver for Parmigiano Reggiano Cheese Quality. Front Microbiol 11:581658.
  24. Guidone A, Zotta T, Matera A, Ricciardi A, De Filippis F, Ercolini D, Parente E. 2016. The microbiota of high-moisture mozzarella cheese produced with different acidification methods.  Int J Food Microbiol 216:9–17.
  25. Biolcati F, Ferrocino I, Bottero MT, Dalmasso A. 2020. Short communication: High-throughput sequencing approach to investigate Italian artisanal cheese production. J Dairy Sci 103:10015–10021.
  26. Dolci P, Ferrocino I, Giordano M, Pramotton R, Vernetti-Prot L, Zenato S, Barmaz A. 2020. Impact of Lactococcus lactis as starter culture on microbiota and metabolome profile of an Italian raw milk cheese. Int Dairy J 110:104804.
  27. Bertani G, Levante A, Lazzi C, Bottari B, Gatti M, Neviani E. 2019. Dynamics of a natural bacterial community under technological and environmental pressures: the case of natural whey starter for Parmigiano Reggiano cheese. Food Res Int 129:108860.
  28. Marino M, Wittenau GD de, Saccà E, Cattonaro F, Spadotto A, Innocente N, Radovic S, Piasentier E, Marroni F. 2019. Metagenomic profiles of different types of Italian high-moisture Mozzarella cheese. Food Microbiol 79:123–131.
  29. De Pasquale I, Calasso M, Mancini L, Ercolini D, La Storia A, De Angelis M, Di Cagno R, Gobbetti M. 2014. Causal relationship between microbial ecology dynamics and proteolysis during manufacture and ripening of Canestrato Pugliese PDO cheese. Appl Environ Microbiol 80:4085–4094.
  30. De Pasquale I, Di Cagno R, Buchin S, De Angelis M, Gobbetti M. 2014. Microbial ecology dynamics reveal a succession in the core microbiota involved in the ripening of pasta filata caciocavallo pugliese cheese. Appl Environ Microbiol 80:6243–6255.
  31. Calasso M, Ercolini D, Mancini L, Stellato G, Minervini F, Di Cagno R, De Angelis M, Gobbetti M. 2016. Relationships among house, rind and core microbiotas during manufacture of traditional Italian cheeses at the same dairy plant. Food Microbiol 54:115–126.
  32. De Pasquale I, Di Cagno R, Buchin S, De Angelis M, Gobbetti M. 2016. Spatial Distribution of the Metabolically Active Microbiota within Italian PDO Ewes’ Milk Cheeses. Plos One 11:e0153213.
  33. Dalmasso A, Rio M de los DS del, Civera T, Pattono D, Cardazzo B, Bottero MT. 2016. Characterization of microbiota in Plaisentif cheese by high-throughput sequencing. LWT-Food Sci Technol 69:490–496.
  34. Zago M, Bardelli T, Rossetti L, Nazzicari N, Carminati D, Galli A, Giraffa G. 2020. Evaluation of bacterial communities of Grana Padano cheese by DNA metabarcoding and DNA fingerprinting analysis. Food Microbiol 93:103613.
  35. Erkus O, Jager VC de, Spus M, Alen-Boerrigter IJ van, Rijswijck IM van, Hazelwood L, Janssen PW, Hijum SA van, Kleerebezem M, Smid EJ. 2013. Multifactorial diversity sustains microbial community stability. Isme J 7:2126–2136.
  36. Erkus O, Jager VCL de, Geene RTCM, Alen-Boerrigter I van, Hazelwood L, Hijum SAFT van, Kleerebezem M, Smid EJ. 2016. Use of propidium monoazide for selective profiling of viable microbial cells during Gouda cheese ripening. Int J Food Microbiol 228:1–9.
  37. Parente E, Guidone A, Matera A, De Filippis F, Mauriello G, Ricciardi A. 2016. Microbial community dynamics in thermophilic undefined milk starter cultures. Int J Food Microbiol 217:59–67.
  38. Morandi S, Battelli G, Silvetti T, Goss A, Cologna N, Brasca M. 2019. How the biodiversity loss in natural whey culture is affecting ripened cheese quality? The case of Trentingrana cheese.  LWT-Food Sci Technol 115:108480.
  39. Niccum BA, Kastman EK, Kfoury N, Robbat A, Wolfe BE. 2020. Strain-Level Diversity Impacts Cheese Rind Microbiome Assembly and Function. mSystems 5:e00149-20.
  40. Parente E, Cogan TM, Powell IB. 2017. Cheese (Fourth Edition), p. 201–226. In McSweeney, PLH, Fox, PF, Cotter, PD, Everett, DW (eds.), Fourth edition. Elsevier, London, UK.
  41. Tanigawa K, Watanabe K. 2011. Multilocus sequence typing reveals a novel subspeciation of Lactobacillus delbrueckii. Microbiology 157:727–738.
  42. Pasolli E, Asnicar F, Manara S, Zolfo M, Karcher N, Armanini F, Beghini F, Manghi P, Tett A, Ghensi P, Collado MC, Rice BL, DuLong C, Morgan XC, Golden CD, Quince C, Huttenhower C, Segata N. 2019. Extensive Unexplored Human Microbiome Diversity Revealed by Over 150,000 Genomes from Metagenomes Spanning Age, Geography, and Lifestyle. Cell 176:649-662.e20.
  43. De Filippis F, Pasolli E, Ercolini D. 2020. Newly Explored Faecalibacterium Diversity Is Connected to Age, Lifestyle, Geography, and Disease. Curr Biol 30:4932-4943.e4.
  44. Salzano A, Manganiello G, Neglia G, Vinale F, Nicola DD, D’Occhio M, Campanile G. 2020. A Preliminary Study on Metabolome Profiles of Buffalo Milk and Corresponding Mozzarella Cheese: Safeguarding the Authenticity and Traceability of Protected Status Buffalo Dairy Products. Molecules 25:304.
  45. Minervini F, Celano G, Lattanzi A, Tedone L, Mastro GD, Gobbetti M, De Angelis M. 2015. Lactic Acid Bacteria in Durum Wheat Flour Are Endophytic Components of the Plant during Its Entire Life Cycle. Appl Environ Microbiol 81:6736–6748.
  46. Zhang D, Palmer J, Teh KH, Biggs P, Flint S. 2019. 16S rDNA high-throughput sequencing and MALDI-TOF MS are complementary when studying psychrotrophic bacterial diversity of raw cows’ milk. Int Dairy J 97:86–91.
  47. Szymańska E. 2018. Modern data science for analytical chemical data – A comprehensive review. Anal Chim Acta 1028:1–10.
  48. 4Callao MP, Ruisánchez I. 2018. An overview of multivariate qualitative methods for food fraud detection. Food Control 86:283–293.
  49. Borràs E, Ferré J, Boqué R, Mestres M, Aceña L, Busto O. 2015. Data fusion methodologies for food and beverage authentication and quality assessment – A review. Anal Chim Acta 891:1–14.
  50. Hervás D, Prats-Montalbán JM, Lahoz A, Ferrer A. 2018. Sparse N-way partial least squares with R package sNPLS. Chemometr Intell Lab 179:54–63.
  51. Liu J, Li J, Wang H, Yan J. 2020. Application of deep learning in genomics. Sci China Life Sci 63:1860–1878.
  52. Acin-Albiac M, Filannino P, Gobbetti M, Di Cagno R. 2020. Microbial high throughput phenomics: The potential of an irreplaceable omics. Comput Struct Biotechnology J 18:2290–2299.
  53. Smid EJ, Erkus O, Spus M, Wolkers-Rooijackers JC, Alexeeva S, Kleerebezem M. 2014. Functional implications of the microbial community structure of undefined mesophilic starter cultures. Microb Cell Fact 13:S2.
  54. Gobbetti M, Di Cagno R, Calasso M, Neviani E, Fox PF, De Angelis M. 2018. Drivers that establish and assembly the lactic acid bacteria biota in cheeses. Trends Food Sci Technol 78:244–254.
  55. Cosetta CM, Kfoury N, Robbat A, Wolfe BE. 2020. Fungal volatiles mediate cheese rind microbiome assembly. Environ Microbiol 22:4745–4760.
  56. Irlinger F, Mounier J. 2009. Microbial interactions in cheese: implications for cheese quality and safety. Curr Op Biotechnol 20:142–148.
  57. Parente E, Zotta T, Faust K, De Filippis F, Ercolini D. 2018. Structure of association networks in food bacterial communities. Food Microbiol 73:49–60.
  58. Peschel S, Müller CL, Mutius E von, Boulesteix A-L, Depner M. 2020. NetCoMi: network construction and comparison for microbiome data in R. Brief Bioinform https://doi.org/10.1093/bib/bbaa290.

Inizio (e orario) delle lezioni, AA 2020-2021

Posted on by

Attenzione: ad oggi, 1/10/2020, per ragioni indipendenti dalla mia volontà non sono in grado di dire come inizierò le lezioni il giorno 5/10/2020. Farò di tutto per erogarle sia in aula che via Meet (https://meet.google.com/wrv-txds-cwm). Se questo non sarà possibile credo sia più sicuro erogarle solo a distanza per non penalizzare gli studenti che non possono raggiungere la sede. Pubblicherò aggiornamenti su questo sito e invierò messaggi agli studenti che si sono registrati al corso.

Le lezioni del corso di Microbiologia degli alimenti 12 cfu (Laurea in Tecnologie alimentari) inizieranno il giorno 7/10/2020 alle ore 11.30 presso l’aula A3 (Campus di Macchia Romana) e proseguiranno con il seguente orario:

  • mercoledì 11.30-13.30 aula A3
  • giovedì 11.30-13.30 aula A3

Le lezioni del corso di Sicurezza e conservazione degli alimenti 9 cfu (Laurea Magistrale in Scienze e Tecnologie Alimentari) inizieranno il giorno 5/10/2020 alle ore 9.30 presso l’aula A12 (Campus di Macchia Romana) e proseguiranno con il seguente orario:

  • lunedì 11.30-13.30 aula A12
  • martedì 11.30-13.30 aula A12
  • giovedì 9.30-11.30 aula A12

Per le modalità di erogazione della didattica vedi questo post.

In ogni caso il link per partecipare alle videoconferenze Meet a distanza per la prima lezione è:

Attenzione: gli studenti sono invitati a leggere con attenzione il Decreto Rettorale n 332 e relativi allegati.