This study was aimed at determining the effect of housing systems on the growth, feed conversion ratio (FCR), meatiness and size of muscle fibres of Pekin (P44) and Muscovy (MR71) ducks. Each genetic group included 360 birds (180 males and 180 females). The ducks were divided into four experimental groups according to their sex and housing system: intensive system (IS) and outdoor system (OS). A significant effect of housing system on the final body weight and FCR value was noted only in P44 birds of both sexes, with OS birds having higher body weights than the IS birds. As a result, the OS MR71 drakes were characterized by a significantly higher slaughter yield, weight and content of breast muscles in the carcass. The OS MR71 ducks showed a lower slaughter yield and a higher content of leg muscles in the carcass compared to IS MR71 ducks. In contrast, the housing system had no significant effect on the meatiness of P44 ducks. A greater diameter of muscle fibres in both sexes of P44 ducks and in both sexes of MR71 ducks was observed in the OS compared to IS flocks. A greater cross section of muscle fibres was also noted in the ducks from the OS system, however with significant differences confirmed only in pectoralis superficialis and biceps femoris in MR71 drakes as well as in the biceps femoris of P44 drakes. These data show differences between duck genotypes and indicate the efficiency and potential of outdoor poultry systems. ______________________________________________________________________________________

the study analyzed the growth of medium-growing chickens of the ccgp experimental line, using gompertz, logistic, and richards models as well as body gain curves. the birds were reared until 9 wk of age. To fit BW values to the applied models, determination coefficients (R ,Ř 2 ) and standard error of the mean (±SE) were calculated for 487 male and 493 female chickens. The comparison of results obtained demonstrated the gompertz model to be the most precise equation to describe the growth of both sexes of ccgp chickens, though in all examined models the determination coefficients were approximating 99%. According to the Gompertz model, the chickens may reach the maximum BW at the age of 16 wk (5900 g -males and 4000 g -females), whereas the maximum daily BW gain -on day 47 (69.0 g) in males and on day 41 (50.0 g) in females. Values achieved in the logistic model were the most diverging from the values obtained with other models, whereas the Richards model may be successfully applied to estimate BW of chickens. Females were reaching the maximum BW gains earlier, but the curve of their BW gain was proceeding with two peaks (at ca. 4 wk -313.09 g/wk and at 6 wk -327.59 g/wk), which was probably due to partial growth deceleration as a result of allowing the birds to use free ranges on day 14. In the case of males, the maximum BW gain (727.35 g/wk) was reached at 6.2 wk.

The aim of the study was to construct and verify predictive growth and survival models of a potentially probiotic bacteria in fermented soy beverage. The research material included natural soy beverage (Polgrunt, Poland) and the strain of lactic acid bacteria (LAB) - Lactobacillus casei KN291. To construct predictive models for the growth and survival of L. casei KN291 bacteria in the fermented soy beverage we design an experiment which allowed the collection of CFU data. Fermented soy beverage samples were stored at various temperature conditions (5, 10, 15, and 20°C) for 28 days. On the basis of obtained data concerning the survival of L. casei KN291 bacteria in soy beverage at different temperature and time conditions, two non-linear models (r(2)= 0.68-0.93) and two surface models (r(2)=0.76-0.79) were constructed; these models described the behaviour of the bacteria in the product to a satisfactory extent. Verification of the surface models was carried out utilizing the validation data - at 7°C during 28 days. It was found that applied models were well fitted and charged with small systematic errors, which is evidenced by accuracy factor - Af, bias factor - Bf and mean squared error - MSE. The constructed microbiological growth and survival models of L. casei KN291 in fermented soy beverage enable the estimation of products shelf life period, which in this case is defined by the requirement for the level of the bacteria to be above 10(6) CFU/cm(3). The constructed models may be useful as a tool for the manufacture of probiotic foods to estimate of their shelf life period.

 WPŁYW DODATKU SZCZEPU LACTOBACILLUS CASEI ŁOCK 0900 I WARUNKÓW DOJRZEWANIA NA JAKOŚĆ FERMENTOWANYCH POLĘDWIC PODCZAS PRZECHOWYWANIAS t r e s z c z e n i e Celem pracy była ocena wpływu warunków dojrzewania na przeżywalność szczepu probiotycznego Lb. casei ŁOCK 0900 w polędwicach wieprzowych i na ich jakość sensoryczną podczas 180 dni przechowywania w warunkach chłodniczych, beztlenowych. Podjęto też próbę skonstruowania matematycznych modeli wzrostu i przeżywalności badanych bakterii.Materiałem doświadczalnym był szczep probiotyczny Lb. casei ŁOCK 0900 i polędwice wieprzowe dojrzewające w różnych wariantach temperatury (16, 20 i 24 °C), następnie pakowane próżniowo i przechowywane w 4 °C przez 180 dni. Przygotowano próby kontrolne z dodatkiem glukozy i próby z dodatkiem szczepu probiotycznego i glukozy. Zakres badań obejmował analizy mikrobiologiczne, pomiar pH i ocenę sensoryczną (QDA). Oznaczenia wykonywano co 30 dni.Stwierdzono, że pod względem mikrobiologicznym i sensorycznym najlepszą trwałość przechowalniczą wykazały polędwice z dodatkiem bakterii probiotycznych, wyprodukowane w temperaturze dojrzewania 20 °C (średnio 7,00 -8,00 log jtk/g; sensoryczna jakość ogólna > 7 j.um.). Zadowalający model wzrostu i przeżywalności LAB podczas przechowywania skonstruowano w odniesieniu do polędwic dojrzewających w 24 °C (dopasowanie na poziomie C24 = 98 %, P24 = 96 %).Słowa kluczowe: polędwice dojrzewające, probiotyki, przechowywanie, modele prognostyczne WprowadzenieSurowo dojrzewające wyroby mięsne wyprodukowane z udziałem probiotycznych kultur startowych są bardzo wartościowymi produktami żywnościowymi, zarów-no pod względem odżywczym, jak i sensorycznym. Na wysoką jakość wędlin surowo Mgr inż. K. Neffe-Skocińska, prof. dr hab.

Prognozowanie mikrobiologiczne polega na założeniu powtarzalności odpowiedzi populacji drobnoustrojów na zadane czynniki środowiska produktu żywnościowego. Na podstawie danych empirycznych pochodzących z doświadczeń mikrobiologicznych opracowywane są modele prognostyczne jako programy komputerowe bądź bazy danych dostępne on-line. Celem pracy było utworzenie bazy danych modeli prognostycznych bakterii potencjalnie probiotycznych, saprofitycznych i patogennych w formie użytecznego dla odbiorcy końcowego narzędzia zainstalowanego na serwerze SGGW pod nazwą ProgBaz SGGW. Materiał do badań stanowiły matematyczne modele wzrostu i przeżywalności bakterii saprofitycznych (psychrotrofów, Pseudomonas spp., drożdzy i pleśni) i patogennych: Salmonella spp., Staphylococcus aureus, Listeria monocytogenes (mikroflory niekorzystnej) oraz potencjalnie probiotycznych szczepów z rodzaju Lactobacillus (mikroflory korzystnej). Modele opracowano w Zakładzie Higieny i Zarządzania Jakością Żywności Wydziału Nauk o Żywieniu Człowieka i Konsumpcji SGGW w Warszawie, w latach 1997 - 2008. ProgBaz jest dostępny na stronie głównej SGGW w Warszawie w zakładce Gospodarka oraz na stronie Wydziału Nauk o Żywieniu Człowieka i Konsumpcji SGGW w zakładce Nauka i Usługi. Użytkownik może dokonać oszacowania wzrostu lub przeżywalności drobnoustrojów w czasie pod wpływem czynników środowiskowych (temperatury, poziomu NaCl, poziomu NaNO2, dodatku inuliny) w następujących produktach: modelowym produkcie z mięsa rozdrobnionego, produktach rynkowych mlecznych, mięsnych i warzywnych. Oprócz prognozy wzrostu możliwe jest uzyskanie informacji na temat cech populacji (, , GT, N) oraz w przypadku modelu walidowanego – jakości prognoz. Są to informacje pozwalające oszacować bezpieczeństwo produktu oraz jego termin przydatności do spożycia. ProgBaz może być stosowany do oceny ryzyka mikrobiologicznego żywności, opracowywania planów bezpieczeństwa żywności, ograniczania marnotrawstwa żywności, projektowania nowych produktów oraz stanowić narzędzie edukacyjne i szkoleniowe.