The Poisson Distribution Is Applied to Improve the Estimation of Individual Cell and Micropopulation Lag Phases

Abstract

Many articles dealing with individual cell lag phase determination assume that growth, when observed, comes from one cell. This assumption is not in agreement with the Poisson distribution, which uses the probability of growth in a sample to predict how many samples contain one, two, or some other number of cells. This article analyses and compares different approaches to improve the accuracy of lag phase estimation of individual cells and micropopulations. It argues that if the highest initial load, as predicted by the Poisson distribution, is assigned to the sample with the shortest lag phase, the second highest to the sample with the second shortest lag phase and so on, the resulting lag phase distributions would be more accurate. This study also proposes the use of a robust test, permutation test, to compare lag phase distributions obtained in different situations.

Variability in Cell Response of Cronobacter sakazakii after Mild-Heat Treatments and Its Impact on Food Safety

“…Dilutions of each initial inoculum were plated by spreading onto TSA, then they were incubated at 5, 10, 15, or 25°C in a controlled incubator for the same time as the Bioscreen experiment’s and finally colonies were counted. Using the Bioscreen device, the time to detection (Td), defined as the time required to reach an absorbance of 0.20 ( Aguirre et al, 2012 , 2013 ), was obtained from each well, and a mean value was calculated for each dilution. μ max was estimated from the reciprocal of the absolute value of the regression slope of the Td versus Ln (N), where N is the initial number of cells.…”

“…To be considered, Guillier et al (2005) stated that if 35% of samples (microplates) show growth, this should not significantly affect individual cell lag phase distributions because at least 80% of samples contain one cell, according to the Poisson distribution function ( Francois et al, 2003 ). Finally, number of cells per well was assessed based on the number of positives as described in Aguirre et al (2012) and each experiment was replicated two or three times to obtain at least 80 individual cell lag times. A similar protocol was used to estimate the kinetic parameters of 50 cells per well.…”

Efectos de los Tratamientos Subletales en la Variabilidad de las Fases de Latencia de Salmonella Enterica Serovar Enteritidis y Listeria Innocua.

“…En el caso de los microorganismos irradiados, se produce una degradación química del ADN y del ARN que desestabiliza la síntesis proteica que también puede afectar la membrana celular y como resultado global, los microorganismos mueren o, al menos sufren daños que podrán repararse o no, ya que la reparación del ADN es más difícil, desde luego la fase de latencia se extenderá más en el tiempo (10). Estos resultados contribuyen a corroborar la hipótesis de que cualquier método conservante que afecte el ADN extendería aún más la fase de latencia (16).…”

“…Considerando todos estos factores puede entenderse que la fase de latencia sea peculiar para cada microorganismo y condición por la que haya pasado y en la que se encuentre, lo que dificulta considerablemente su predicción y la comparación entre los hallazgos de diferentes autores como Koutsomanis y Sofos ( 2004 16) (13). Por otra parte, las desviaciones estándar permite observar que al asignar diferentes inóculos a cada muestra (distribución de Poisson), la variabilidad es siempre menor (comparada con la Sd calculada asumiendo que hay 1 sola célula) porque al asignar a las muestras tiempos de detección más cortos, los inóculos más elevados, al ser mayor a 1, el logaritmo es mayor a cero, con lo que la fase de latencia aumenta y se acerca a la media disminuyendo de esta manera la variabilidad de la fase de latencia (16). La temperatura de incubación también es crucial para la fase de latencia y se encuentra entre los factores más críticos (16).…”

“…La prueba chi-cuadrada fue aplicada para encontrar el mejor ajuste de los datos experimentales, siendo gamma la distribución que mejor se ajusta y describe matemáticamente la variabilidad biológica de la fase de latencia (véase Figuras 6 y 7); cálculo realizado en Microsoft Excel (15) (16).…”