以機器學習迴歸方法預測乾式熟成牛肉中微生物行為

學生姓名: 黃鉉喅

指導教授: 凌明沛

學　　期: 112上

摘　　要: 近年由於消費者偏好更高品質牛肉，其中乾式熟成牛肉最受歡迎，但熟成過程必須嚴謹以防止有害微生物侵入。乾式熟成會使牛肉表面形成乾燥外皮，外皮上微生物經代謝後會為牛肉帶來香氣與風味，但其中微生物種類與特性仍須進一步研究。因此本專題討論閱讀此三篇文獻，目的：分析乾式熟成牛肉表面微生物群，並評估其對牛肉品質之影響，最後由不同機器學習迴歸方法預測牛肉中微生物行為。方法：乾式熟成條件分別以溫度 1–4C 與相對濕度 80–90%熟成 160 天，以及溫度 1.5 ± 1o C 與相對濕度 82 ± 5%進行熟成 17 週。對乾式熟成牛肉表面微生物進行總體基因體分析、DNA 定序、及微生物相對豐度分析，並以 α 多樣性指數比較不同熟成時間之微生物多樣性。另一文獻分析微生物群濃度以評估可作為判斷乾式熟成牛肉腐敗程度之指標微生物。最後使用 3 種機器學習迴歸方法：決策樹迴歸方法(Decision tree regression, DTR)、廣義加成模型迴歸方法(Generalized additive model regression, GAMR)、及隨機森林迴歸方法(Random forest regression, RFR)，進行模型擬合與牛肉中微生物預測，最終獲得最佳預測結果之機器學習回歸方法。結果：乾式熟成以厚壁菌門(Firmicutes)與枝黴科之菌屬(Helicostylum sp.)為主導菌屬；熟成過程中未檢測到食源性病原菌，但於熟成第 30 天與第 160 天檢測到高菌數之腐敗菌，例如：假單胞菌屬之嗜冷假單胞菌(Pseudomonas psychrophila)。另一文獻指出泛菌屬(Pantoea spp.)與鏈球菌屬(Streptococcus spp.)亦可作為乾式熟成牛肉之腐
敗指標。機器學習迴歸方法比較結果以 RFR 為最佳，並經外部驗證測量李斯特菌、大腸桿菌、及假單胞菌之預測準確度，得到統計指數為 1.017 < Bf < 1.151 與 1.137 < Af < 1.370，表示模型最多高估 15.1%；預測值與觀察值的最大偏差為 37%，pAPZ 分別為 0.969、 0.972、及 0.989，表示三種菌位於可接受預測區範圍內，其中以假單胞菌屬(0.989)預測結果最成功。未來研究建議：可引用上述文獻中乾式熟成牛肉微生物生長情況，並代入最佳機器學習迴歸方法中，進而模擬出最佳乾式熟成牛肉之條件。