通过硒砂甜瓜表面宏基因组学方法筛选目标细菌和真菌，并对真菌灭活动力学进行建模以实现UV-C灭活

《Food Frontiers》：UV-C Inactivation of Target Bacteria and Fungi Screened via Selenium-Sand Melon Surface Metagenomics With Modeling of Fungal Inactivation Kinetics

硒砂瓜汁（SSJ）加工中微生物灭活技术研究，通过宏基因组分析筛选出7种细菌和5种真菌作为目标菌株，结合UV-C辐照剂量（28-168 J/mL）实验，发现UV-C对细菌灭活效果显著（7 log10），但对真菌灭活需更高剂量（5 log10）。动力学模型分析表明，SWeibull2模型（R2≥0.999）能最佳拟合真菌灭活曲线，且不同真菌对UV-C耐受性差异显著，其中Mortierella circinelloides最耐药。研究证实UV-C可作为非热加工替代方案，并验证了SWeibull2模型在复杂基质中的适用性。

　　硒砂西瓜（SSM）是一种在中国干旱地区具有重要经济价值和营养价值的特殊西瓜品种，因其富含硒元素而备受关注。该西瓜适合加工成西瓜汁（SSJ），但其在加工过程中面临的主要挑战是微生物灭活问题。为了应对这一难题，本研究首次采用了一种创新的组合方法，结合宏基因组分析、灭活实验和动力学建模技术，从SSM和土壤样本的宏基因组分析结果中筛选出7种细菌和5种真菌作为目标菌株。随后，将这些微生物分别接种至SSJ中，并利用液态食品UV-C灭菌设备在28至168 J/mL的广泛辐照剂量范围内进行全面研究，重点构建了SSJ中真菌的灭活模型。研究结果表明，UV-C对细菌具有显著的灭活效果，当辐照剂量达到56 J/mL时，细菌数量减少了约7个数量级，而真菌数量在168 J/mL时减少近5个数量级。真菌灭活动力学模型使用了多种数学方法进行建模，其中SWeibull2模型提供了最佳拟合效果（R2 ≥ 0.999，最低的RMSE、AIC和BIC值，以及最小的D值），优于Allometric1模型和线性模型。值得注意的是，不同真菌种类对UV-C的耐受性存在差异，其中Mortierella circinelloides表现出更强的耐受性。本研究突显了UV-C作为一种非热处理替代方案在SSJ加工中的可行性，并验证了SWeibull2模型在UV-C条件下预测真菌灭活动力学的可靠性。

### 1. 引言

硒砂西瓜作为一种重要的经济作物，在中国干旱地区具有广泛的种植基础，其独特的风味和营养价值使其在本地消费者中备受欢迎。然而，由于其保存性差和运输困难，大量硒砂西瓜未能有效销售。将硒砂西瓜加工成硒砂西瓜汁（SSJ）是一种有效的解决方案，因为其独特的风味、吸引人的颜色和潜在的健康益处深受消费者喜爱。然而，当前依赖热处理进行灭菌的方法不仅会影响果汁的营养成分，还会改变其口感，从而降低产品质量。

过去二十年，研究人员一直在探索非热灭菌技术，其中UV-C（254纳米）因其美国食品药品监督管理局（FDA）批准用于消毒和巴氏杀菌，成为减少果汁中人类病原体和其他微生物的有力工具。多种新型UV-C液态灭菌设备被开发出来，旨在优化处理效率，通过改进反应器设计、流体模式、处理时间和温度等关键设计因素。UV-C能够有效灭活广泛的病原微生物和腐败微生物，而不造成热损伤或化学残留，从而确保产品的安全性，同时保留果汁的天然色泽、风味和营养成分。

在SSJ的UV-C灭菌研究中，本研究首先调查了SSM表面（XS）和种植土壤（XSTR）样本的微生物群落结构，特别是在宁夏地区特有的干旱-盐碱生态环境下。该地区的独特生态条件，包括强烈的太阳辐射、沙质土壤基质和特定的温度波动，塑造了特殊的微生物群落，可能与其它西瓜种植区的微生物群落存在显著差异。基于调查结果，选择了7种细菌和5种真菌，因为它们具有较高的相对丰度和较强的污染潜力，全面反映了SSJ的实际微生物污染风险。随后，使用先进的液态食品UV-C灭菌设备，对这些常见SSJ污染物的灭菌效率进行了深入研究。

### 2. 材料与方法

#### 2.1 材料与试剂

本研究涉及7种细菌（如Acinetobacter baumannii、Escherichia coli、Pseudomonas putida等）和5种真菌（如Penicillium italicum、Aspergillus flavus、Mucor circinelloides等）。所有微生物菌株均从上海生物资源库（上海，中国）购买。培养基包括LB培养基、马铃薯葡萄糖琼脂（PDA）和脑心浸液琼脂（BHI），均从苏州华生物科技有限公司（Hobio Biotechnology Co., Ltd）购买。无水乙醇、磷酸二氢钾和磷酸氢二钾则从上海源安生物科技有限公司（Shanghai Yuan'an Biological Technology Co., Ltd）购得。所有化学试剂均为分析级。

#### 2.2 硒砂西瓜表面微生物群落结构分析

水melon表面的微生物可以直接进入果汁中，在加工过程中成为果汁污染的来源。例如，如果水melon未彻底清洗，附着在果皮上的细菌、真菌和其他微生物会在加工过程中进入果汁。细菌和真菌是影响水果品质的关键因素，必须在加工过程中严格控制。细菌和真菌之间的相互作用是动态且多样的，从共生到寄生关系都有可能（S. Sharma等，2021）。在SSJ的保存过程中，了解宁夏地区SSM表面的表生微生物群落结构对于质量控制至关重要，有助于减少腐败并延长SSJ的保质期。为了识别宁夏地区SSM中常见的腐败和病原菌，于2024年7月收获季节采集了样本。特别地，从宁夏西夏硒砂西瓜种植区的3个田地采集了SSM表皮冲洗液和根系土壤样本（地下10-20厘米）。样本分别标记为XSTR1-3和XS1-3，并在3个不同地点采集3个重复样本。

为了制备细菌悬浮液，使用3个无菌棉签去除“Golden City 5”品种SSM表面的杂质。随后，用无菌水对10个SSM果皮的上表面进行冲洗，收集冲洗水作为1个样本。所有样本被运输到实验室，并在10,000转/分钟的转速下离心10分钟。得到的沉淀物被转移到无菌离心管中，密封后在低温下储存，以供后续分析。对于土壤样本，使用无菌工具去除杂质，并转移到无菌离心管中，在低温下储存。

从XS和XSTR微生物中提取总DNA，并使用Plant Genomic DNA Extraction Kit（天根生物技术（北京）有限公司）进行。提取的DNA通过1%琼脂糖凝胶电泳进行验证，并使用微量分光光度计进行定量。符合测序要求的样本被送往联川生物科技（杭州，中国）进行测序。原始测序数据经过过滤和组装处理，随后进行基因预测、物种注释和功能注释。计算了微生物多样性指标（如Chao1、Simpson、Shannon等多样性指数），以评估微生物的多样性和丰富度。宏基因组分析揭示了频繁污染SSJ的多种腐败和病原菌，这些菌群在多个样本中具有高相对丰度（总丰度>50%），突显了它们在采样环境中的生态主导地位。

#### 2.3 硒砂西瓜汁的制备

本研究使用在宁夏销售的SSM品种“Golden City 5”作为原料。SSM来源于宁夏中卫市的西夏种植基地。在制备SSJ之前，对果皮进行细致清洗和灭菌处理，用75%乙醇擦拭表面。随后，将材料放置在无菌环境中干燥。接着，去除外皮，将SSM果肉切成块状，并使用Joyoung-Z5-LZ550（120瓦）榨汁机进行榨汁。获得的果汁通过80目筛网过滤，然后装入无菌瓶中，用液氮快速冷冻，并储存在-80°C的低温冰箱中，以备后续使用。

#### 2.4 菌株培养与悬浮液制备

为了制备和接种细菌悬浮液，将处于早期稳定期的细菌液体培养物20毫升转移到50毫升无菌离心管中。样本在4°C和5000转/分钟的转速下离心5分钟。上清液被弃去，沉淀物重新悬浮于磷酸盐缓冲液（PBS）中，并重复洗涤过程两次。制备好的细菌悬浮液随后被接种至SSJ样品中，接种量为2%，以确保SSJ样品中的细菌浓度达到10?–10?菌落形成单位（CFU）/mL。这种设置允许研究UV-C对SSJ中细菌的灭菌效果。

对于真菌悬浮液的制备和接种，将真菌甘油冻干菌株用接种环蘸取，并在PDA平板上进行三次点种。平板随后在28°C下培养72小时。一旦可见的真菌菌落形成，使用无菌接种环从菌落中采集新鲜孢子，并接种到PDA斜面培养基中，以Z字形方式接种。接种后的试管在28°C下培养72小时，以获得良好的真菌菌丝和孢子。向含有真菌孢子的斜面中加入约10毫升无菌PBS缓冲液，用接种铲轻轻刮取孢子，并分散于PBS缓冲液中形成悬浮液。悬浮液随后通过80目滤网过滤，去除菌丝，得到孢子悬浮液。孢子悬浮液被收集到无菌50毫升离心管中。将10微升过滤后的孢子悬浮液置于显微镜下，并使用血细胞计数板确定孢子数量。调整孢子数量至约10? CFU/mL。随后，将孢子悬浮液以2%的浓度接种至SSJ样品中，以确保SSJ样品中的微生物浓度达到10?–10? CFU/mL，供后续研究UV-C对SSJ中真菌的灭菌效果。

#### 2.5 UV-C 254纳米设备

本研究中使用的液态食品UV-C灭菌设备（图1）由南昌大学陈俊教授实验室提供，为自行构建。手动将聚四氟乙烯（PTFE）管缠绕在水下UV灯周围，并在PTFE管的两端连接硅胶软管。PTFE管的直径为3.5毫米，长度为10,000毫米，紧密缠绕在UV-C灯管周围。UV-C灯管长度为1000毫米，功率为140瓦，放置在圆柱体的中心。SSJ样品液通过PTFE管进入UV-C反应器，并在泵（Peristaltic pump model BT100-2J，购自Lange Constant Flow Pump Co.，上海，中国）的驱动下，流经PTFE管并在管道中循环。设备在运行时放置在水箱中，水箱中的冷水有效减少了灯管的热量传递。在本实验中，循环次数被设定为1至6次，每次循环后收集样品。相应的UV-C辐照剂量分别为28、56、84、112、140和168 J/mL。辐照剂量的计算公式如下：

$$
UV-C\;dose\; (J/mL) = \frac{Total\;UV-C\;output\;power\; (W)}{Flow\;rate\; (mL/s)}
$$

其中，总UV-C输出功率（W）除以流速（mL/s）即可得到辐照剂量。

#### 2.6 微生物计数

为了量化未处理和处理后的SSJ样品中的菌落数，采用平板计数法。将SSJ样品进行稀释和接种，以计算处理前后菌落的数量。稀释后的样品被涂布在相应的培养皿上；细菌培养使用BHI，真菌培养使用PDA。细菌培养皿在28°C下培养（如A. baumannii、P. putida、C. indologenes、E. cloacae和S. maltophilia）或37°C下培养（如E. coli和S. aureus），在培养箱中培养24小时。真菌培养皿在28°C下培养48小时。菌落计数进行三次重复，并以CFU/mL表示结果。通过绘制对数减少（lg(N?/N)）与UV-C剂量之间的关系，构建了灭活曲线。

#### 2.7 UV-C灭活动力学建模

线性模型简洁直观地描述了辐照剂量与微生物灭活之间的线性关系。Allometric1模型能够有效拟合微生物灭活的复杂非线性动力学特征，并常用于不同环境下的灭活条件分析。SWeibull2模型在考虑微生物群体的异质性方面具有独特优势，并在近年来被广泛用于准确描述灭活过程（Feng等，2019）。使用Origin 2024软件对微生物灭活数据进行线性和非线性拟合分析，包括线性、Allometric1和SWeibull2模型。

对于线性模型，使用Origin 2024软件进行线性拟合。线性模型的公式如式（2）所示：

$$
lg(N?/N) = ax + b
$$

其中，a代表微生物灭活程度（lg(N?/N)）随单位UV-C辐照剂量（x）的变化率，b代表在UV-C辐照剂量为0时的微生物灭活程度。

对于Allometric1模型，选择Origin 2024软件中的Allometric1函数（在Growth/Sigmoidal类别下），并进行非线性拟合。Allometric1模型的公式如式（3）所示：

$$
lg(N?/N) = m \cdot x^n
$$

其中，x是UV-C辐照剂量（J/mL），m是一个大小参数，n是一个形状参数（n > 1表示向下凹，n < 1表示向上凹。当n = 1时，对数线性形状是特殊情况；Buzrul，2022）。

对于SWeibull2模型，选择Origin 2024软件中的SWeibull2函数（在Growth/Sigmoidal类别下），并进行非线性拟合。SWeibull2模型的公式如式（4）所示：

$$
lg(N?/N) = f - (f - c) \cdot exp(- (k \cdot x)^d)
$$

其中，f是上限参数，代表当UV-C辐照剂量足够大时，微生物灭活的最大限制；c是下限参数；k是一个与灭活速率相关的参数，影响微生物灭活程度随UV-C辐照剂量的变化速率；d是形状参数，决定了微生物灭活程度的增加趋势。

#### 2.8 模型拟合效果评估

模型拟合效果通过五个关键参数进行评估：R2值越接近1，表明模型拟合越好。对于残差、AIC和BIC，数值越接近0，表明模型预测与实际测量之间的偏差越小。较小的均方根误差（RMSE）值意味着模型拟合的准确性更高（Sharif等，2021）。这些参数的计算公式如下：

$$
e_i = y_i - y_i^\wedge
$$

$$
R^2 = \frac{\sum_{i=1}^n (y_i - y_i^\wedge)^2}{\sum_{i=1}^n (y_i - y^-)^2}
$$

$$
AIC = 2k - 2\ln(L)
$$

$$
BIC = k \cdot \ln(n) - 2\ln(L)
$$

$$
RMSE = \sqrt{\frac{1}{n} \sum_{i=1}^n (y_i - y_i^\wedge)^2}
$$

其中，e_i表示第i个数据点的残差，y_i和y_i^∧是第i个数据点的观测值和预测值。∑(y_i - y_i^∧)2是残差平方和，∑(y_i - y^-)^2是总平方和；n是样本数量；y^-是观测值的均值。其中，k是模型的参数数量，L是模型的最大似然估计值。

#### 2.9 模型预测与实验确定D值分析

D值通常被定义为将微生物群体减少至初始数量的10%所需的剂量（Buzrul，2022）。在线性拟合中，D值是斜率的倒数，即1/k。在非线性拟合模型中，D值可以通过以下方式估计：

$$
D = \frac{Dose_2 - Dose_1}{Log(N?/N?) - Log(N?/N?)}
$$

该公式表示D值是将微生物数量从N?减少至N?和N?所需的剂量之差，除以对应的对数减少值。

#### 2.10 统计分析

数据采集重复了3次，结果以均值±标准差的形式呈现。使用IBM SPSS Statistics 20进行方差分析。使用LianChuan BioCloud平台工具绘制了微生物的韦恩图、丰度统计、主成分分析（PCA）和微生物聚类热图（https://www.omicstudio.cn/index）。数据使用Origin 2024软件进行动力学模型拟合。使用Python 3.13.3计算AIC、BIC和RMSE。

### 3. 结果与讨论

#### 3.1 硒砂西瓜表面的微生物群落

为了确定西瓜表面的微生物群落是否受到周围环境的影响，我们将其与同种植区土壤样本中的微生物群落进行了比较。使用韦恩图（图2A–F）和PCA（图2G、H）分析了Xiangshan SSM新鲜果实和SSM种植土壤中的细菌和真菌群落。韦恩图（图2A–D）展示了SSM表面和土壤样本中细菌和真菌物种的分布。群落分析结果表明，XS1-3样本中共享了17,105种细菌，而2186种细菌是独特的（图2A），远高于本地特有物种的数量，这同样适用于真菌（图2C）。这些结果表明，大量的微生物种类已经适应了Xiangshan的环境，并且这些群体更可能在SSJ中生存并造成污染。SSM表面的本地真菌物种可能是好氧干燥型，而XSTR中的真菌则可能是厌氧、低温生长型，反映了土壤真菌群落结构的复杂性（Feng等，2019）。

我们还发现，样本间共享的真菌种类少于共享的细菌种类。细菌的生长速度较快，能够迅速繁殖并响应环境变化和资源可用性。尽管真菌在处理复杂有机物方面可能具有优势，但它们的种类数量较少，却对生态功能至关重要。细菌通常在营养循环中起主导作用，而真菌可能在稳定碳循环和土壤结构形成中发挥更重要的作用（Tian等，2023）。因此，尽管共享的真菌种类较少，但它们在SSJ的腐败中同样重要，影响SSJ的稳定性和质量。

图2E、F显示，XS和XSTR之间存在数百种特定物种，这可能是由于XS和XSTR在营养组成、光照强度、温度和通气条件上的显著差异。Wu等（2024）发现，在菌种和物种水平上，XSTR的物种数量远高于XS。这是因为XSTR空间广阔、资源丰富且生态稳定，能够容纳更多的微生物。相比之下，XS空间和资源有限，生态不稳定，难以维持大量微生物的生存。XS和XSTR之间共享的微生物可能是由于它们通过根系连接。这种连接为某些微生物提供了相似的营养条件，使其能够在两种环境中共存。

图2G、H展示了Xiangshan XS和XSTR样本中细菌和真菌群落的PCA分析。不同颜色的点代表不同的样本组。在两个图中，XS和XSTR样本在各自组内离散分布，表明组内样本因西瓜植物和土壤的差异而存在个体差异（X. Li等，2024）。组间比较显示，XS和XSTR之间的距离较远，表明样本来源显著影响细菌和真菌群落的结构，因为XS和XSTR表现出不同的理化性质。此外，在图2G中，PCA1解释了43.89%的方差。在图2H中，PCA1解释了高达67.95%的方差。这表明PCA1在真菌群落中解释了更高的方差，并且具有更广泛的分布。这是因为真菌具有广泛的生态范围和多样的营养获取策略。它们的菌丝网络可以迅速响应环境资源的变化，而真菌孢子具有强大的扩散能力。一旦在不同环境中定植，它们可能因环境差异而迅速改变群落结构（Tian等，2023）。

#### 3.2 不同UV-C剂量对硒砂西瓜汁杀菌效果的影响

##### 3.2.1 不同UV-C辐照剂量对硒砂西瓜汁的灭菌效果

如图S1所示，绘制了7种细菌的生长曲线。该图有助于确定每种细菌的稳定期开始时间（Ebrahiminezhad等，2024）。在此阶段，细菌代谢活跃，细胞计数均匀且稳定，使得该阶段成为接种SSJ的理想选择，以减少因不同生长阶段而产生的不同敏感性干扰（Y. Li等，2025）。

在不同UV-C辐照剂量下，SSJ中细菌和真菌的存活数量对数（lg(N/N?)）结果（图4A、B）确认了UV-C辐照在SSJ灭菌中的有效性。如图4A所示，SSJ在UV-C处理前的7种细菌的菌落数均较高，范围从7.2到7.36 log??。当UV-C辐照剂量为28 J/mL时，细菌的lg(N/N?)值显著下降，其中E. coli的lg(N/N?)值下降了4.32 log??，而其他6种细菌的lg(N/N?)值下降了6 log??。当剂量增加到56 J/mL时，每种细菌的lg(N/N?)值均下降超过7 log??。Pratap-Singh和Mandal（2024）在脉冲UV反应器（圆形/盘管）中成功实现了西瓜汁和红葡萄汁的非热巴氏杀菌，分别实现了微生物减少超过5 log??和超过7 log??。这些减少达到了美国FDA对非热处理果汁的指导标准。研究表明，细菌对UV-C的敏感性差异可能归因于细胞壁结构和细胞内保护机制的差异（Vashisht等，2021）。UV-C灭菌非常有效，因为它直接作用于细菌DNA，诱导嘧啶二聚体形成，并破坏正常的复制和转录过程（Dasalkar等，2025）。

图4B显示了UV-C辐照剂量对SSJ中真菌存活数量的对数（lg(N/N?)）变化。在灭菌前，SSJ中的真菌总数从1 × 10? CFU/mL到1.8 × 10? CFU/mL不等。随着UV-C辐照剂量的增加，5种真菌孢子的浓度逐渐下降，表明SSJ中真菌的灭活程度取决于施加在样品上的总剂量（Y. Li等，2025）。然而，随着剂量的增加，灭活速度逐渐减缓，呈现出尾部现象。尽管初始菌落减少速度较慢，但在140 J/mL的剂量下，真菌减少了近5 log??。Kaya和Unluturk（2019）对新鲜提取的云雾状白葡萄汁进行UV-C辐照（282.24 mJ/cm2）24分钟，观察到类似的腐败微生物减少。所有灭活曲线均呈向上凹形，与本研究结果一致，表明微生物数量在初期迅速减少，但最终灭活程度较轻，表明残留细胞对长期暴露具有更高的耐受性（Angeles Casco等，2025）。

图4B还显示，在相同剂量下，每种真菌表现出不同的减少程度，表明真菌孢子在UV-C辐照下的灭活差异较大（Y. Li等，2025）。这种现象可能有多种解释，包括孢子外膜、壳、皮层和细胞核的组成和厚度差异，或者孢子细胞生理状态的不同（Li等，2025）。Fusarium oxysporum和Rhizopus arrhizus的细胞壁可能具有更厚的多糖结构，而Aspergillus flavus和Penicillium italicum的细胞壁可能结构较松散或具有特殊的辐照穿透通道（Fernando等，2023；Visconti等，2021）。

#### 3.3 真菌灭活曲线的模型拟合

UV-C即使在低剂量下也对细菌表现出显著的灭活效果，且效果随着剂量增加而变化不大。因此，本研究仅对真菌的灭活曲线进行模型拟合（Y. Li等，2025）。使用三种不同的模型进行拟合：线性模型、Allometric1模型和SWeibull2模型（图5A–C）。

图5A–C展示了三种模型对SSJ中真菌灭活曲线的拟合分析。结果表明，SWeibull2模型在所有拟合模型中表现最佳，具有最高的R2值（0.986–0.999），而线性模型表现最差，Allometric1模型处于中间位置。这表明SWeibull2模型在描述真菌灭活过程中具有更高的准确性和适用性（Hazare等，2025）。

表1展示了三种模型对真菌灭活曲线的拟合效果。对于每种真菌（P. italicum、A. flavus、M. circinelloides、R. arrhizus和F. oxysporum），SWeibull2模型的R2值最高，范围从0.986到0.999。这些结果表明，SWeibull2模型在描述真菌UV-C灭活过程中具有更高的准确性和适用性（Buzrul，2022），与之前研究显示SWeibull2模型在微生物灭活建模中表现良好的结果一致（Hazare等，2025）。这一结论进一步通过残差图（图5D）得到验证，其中P. italicum和A. flavus的线性拟合在低剂量和高剂量下出现了异常，残差值偏离0（高达-0.719）且呈现非随机分布。这是因为敏感细胞在低剂量下通常被灭活，而那些在初始辐照处理中存活下来的细胞可能对UV-C产生更高的耐受性（G. Yang等，2025）。在高剂量下，真菌的修复机制可能被激活（Prasad等，2022），从而降低进一步UV-C辐照的效果。这表明线性建模可能无法准确描述真菌的灭活过程。

表2展示了每种真菌灭活曲线的模型参数。线性、Allometric1和SWeibull2模型各自通过其参数揭示了真菌对UV-C的耐受性差异。对于P. italicum，其斜率（a）为0.010 ± 0.002，表明其在低剂量下存活率迅速下降。而M. circinelloides的斜率（a）为0.014 ± 0.003，表明其存活率下降较慢且对UV-C具有更强的耐受性（G. Yang等，2025）。在Allometric1模型中，形状参数（m）和尺度参数（n）共同揭示了真菌对UV-C的响应特性。对于P. italicum，m = 1.076（>1）表明其灭活率在初始阶段迅速上升，随后下降，这可能是由于细胞修复机制或存活细胞对UV-C的增强耐受性。Rhizopus arrhizus和F. oxysporum的m值较低（0.085和0.077），表明其初始灭活率较高，但随着剂量增加而减缓，这可能是由于适应性或修复机制（Fernando等，2023；Visconti等，2021）。它们的n值较高（0.760和0.804），表明其对UV-C的耐受性高于P. italicum。

表3展示了模型预测和实验观测的D值。D值根据真菌种类表现出显著的差异，表明真菌的耐受性存在较大差异，这可能与细胞结构、生长速率和DNA修复能力有关。线性模型和Allometric1模型将D值视为常数，导致预测结果普遍偏高。相比之下，SWeibull2模型摒弃了“D值为常数”的假设，并利用剂量-反应曲线实时分析真菌的耐受性，从而通过形状参数反映子群差异。因此，预测结果可以随着剂量实时调整（Abdullah等，2024）。例如，M. circinelloides的预测D值为39.26 J/mL，几乎等同于实验观测值39.05 J/mL，这突显了非线性模型在描述剂量依赖性耐受性方面的优势。

### 4. 结论

本研究首次通过结合宏基因组分析、微生物挑战实验和动力学建模，评估了宁夏地区硒砂西瓜汁（SSJ）中UV-C非热灭菌技术的效率，为果汁灭菌研究提供了有价值的整合策略。本研究的核心优势在于全面分析了SSM表面和原生土壤中的微生物群落，并精确识别了7种优势细菌和5种真菌作为目标菌株，确保实验接种准确反映生态污染特征，从而显著提高实验结果的可比性和可重复性。独特之处在于，本研究专注于真菌的灭活，而非仅限于细菌。在复杂基质（SSJ）中成功建模真菌灭活，填补了当前在水果汁中真菌灭活建模的空白，并丰富了相关研究内容。

研究结果表明，SWeibull2模型在预测果汁中微生物灭活所需的UV-C剂量方面具有显著优势。通过优化灭菌参数，该方法在保证安全的同时最小化了SSJ的质量降解，从而推动了水果汁加工中的微生物风险管理。后续研究将利用本研究筛选出的最耐受的真菌（M. circinelloides）和UV-C耐受的细菌（E. coli）建立“高耐受性”挑战系统，重点研究UV-C处理对SSJ关键质量指标（颜色、总酚含量）的影响，以及在4°C储存期间微生物安全性和挥发性风味成分的变化，以量化非热灭菌对产品保质期延长的影响，并为工业应用提供全面的理论基础。