Campden BRI Magyarország Nonprofit Kft. Az egyszerűsített mikrobiológiai kockázatbecslés és a prediktív modellezés mint gyors, döntést elősegítő eszköz az élelmiszerbiztonsággal kapcsolatos munkákban dr. Sebők András Campden BRI Magyarország Nonprofit Kft. Budapest, 2010. február 18. 2010.02.18. TRUEFOOD Workshop

TRUEFOOD Traditional United Europe Food Work Package 3: Agricultural University of Athens, Greece Contact: George Nychas Campden BRI Magyarország Nonprofit Kft., Hungary Contact: András Sebők Universidade Católica Portuguesa, Escola Superior de Biotecnologia, Portugal Contact: Tim Hogg Association for Research & Innovation Development in Food, Quimper Contact: Dominique Thuault & Florence Postollec 2010.02.18. TRUEFOOD Workshop

Valósághű élelmiszer modellek és modellező programok (1) A valósághű modellek egyszerűen és gyorsan elkészíthető termékek, melyek jól reprezentálják a valódi termék viselkedését. A számítógépes modellező programok alkalmasak például a nyersanyagok és a feldolgozási folyamat jellemzőinek alapján a végtermék egyes tulajdonságainak előre jelzésére. 2010.02.18. TRUEFOOD Workshop

Valósághű élelmiszer modellek és modellező programok (2) Miért érdemes modellezést alkalmazni? A modellekkel csökkenteni lehet a valódi kísérletek számát, idejét. A valóságban meg nem történt esetek hatása is becsülhető. Előre lehet jelezni egy adalékanyag-, összetételi-, vagy folyamat paraméter változtatásának hatását. Bármikor rendelkezésre áll kísérletezés céljából (nem szezonfüggő). Jól reprodukálható. A modellel végzett kísérlettel csökkenthető a valódi, értékes termék kísérletezés során képződő vesztesége. 2010.02.18. TRUEFOOD Workshop

Prediktív mikrobiológiai modellek A mikrobák különböző feltételek közötti szaporodását, inaktiválódását, túlélését, pusztulását az idő függvényében matematikai összefüggések alapján leíró modellek 2010.02.18. TRUEFOOD Workshop

Prediktív mikrobiológiai modellek Három, egymásra épülő típus Elsődleges modellek: a mikrobák számának, esetleg toxinképzésének rögzített ökológiai tényezők hőmérséklet, pH, vízaktivitás mellett bekövetkező időbeni változását mutatja 2010.02.18. TRUEFOOD Workshop

Prediktív mikrobiológiai modellek Másodlagos modellek: az elsődleges modell szerinti függő változóra miként hat az ökológiai környezeti tényezők változása Harmadlagos modellek: Az elsődleges és másodlagos modellek alapján készített új, felhasználóbarát szoftver csomagok. Két elemük van: Előrejelzéshez ad matematikai modellt Adatbázishoz nyújt hozzáférést A legtöbb modell összefüggésbe hozza a mikroorganizmusok viselkedését irányító, a kinetikai paramétereket a környezetben kialakuló változásokkal, pl. hőmérséklet, pH, vízaktivitás. 2010.02.18. TRUEFOOD Workshop

Prediktív modellek Főként patogén mikrobák ritkábban romlást okozók (FORECAST) Tényezők hőmérséklet idő pH sótartalom, aw nitrit, nitrát szerves savak 2010.02.18. TRUEFOOD Workshop

A prediktív modellezés alkalmazási lehetőségei (1) Döntést segítő eszköz A mikrobaszaporodás előrejelzése adott környezetben (pl. hűtőlánc) Termékfejlesztés esetén (termék koncepció kialakítás, prototípus fejlesztés, receptura változtatás): A termék összetétel és beltartalmi jellemzők (pl. pH, vízaktivitás, sótartalom, tartósítószerek) változtatásának a mikrobák túlélésére/szaporodására gyakorolt hatásának előrejelzése A folyamatok előírt értékeitől való eltérések hatásának értékelése – „mi történne ha…?” A tárolási/szállítási hőmérséklet (statikus és dinamikus) mikrobák túlélésére/szaporodására gyakorolt hatásának előrejelzése 2010.02.18. TRUEFOOD Workshop

A prediktív modellezés alkalmazási lehetőségei (2) A minőségmegőrzési idő gyors becslése (biztonságos, ill. romlási) Segédeszköz a HACCP rendszerek kidolgozása és szakmai helyességének értékeléséhez Segíti a mikrobiológiai vizsgálatok célirányos megtervezését Segédeszköz a mikrobiológiai kockázatbecsléshez tervezés – adatgyűjtés, challenge tesztek, vizsgálatok értékelés 2010.02.18. TRUEFOOD Workshop

Gyors becslést/döntést segítő információ Néhány jellemző feladat Megfelelő-e a hőkezelés az adott mikrobára – lehet-e túlélés? Hőkezelési egyenérték átszámítás – más idő – hőmérséklet Szaporodhat-e valamelyik kórokozó az adott hőmérsékleten ? (hűtőszekrény / hűtőlánc , melegen tartás) Szaporodási valószínűség Meddig tárolható a termék az adott hőmérsékleten? Védőgázok hatása 2010.02.18. TRUEFOOD Workshop

A prediktív mikrobiológiai modellezés alkalmazása Nem helyettesíti a laboratóriumi vizsgálatokat és a szakértői értékelést, de Jól használható előszűrésre. A változtatások, az összetétel, fogyaszthatósági idő, a tárolási feltételek hatásának gyors, olcsó megítélésére a biztonságos fogyaszthatósági idő előzetes becslésére a költséges vizsgálatok számának csökkentésére, összpontosítására az élelmiszer-biztonsági és a fogyaszthatósági idő szempontjából kritikus döntések megalapozásához 2010.02.18. TRUEFOOD Workshop

Prediktív modellek – áttekintő vázlat 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák – PMP 7.0 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák – Growth Predictor 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák – Forecast (1) 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák – Forecast (2) 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák – ComBase Predictor 2010.02.18. TRUEFOOD Workshop

Gyakorlati példák –Sym’Previus - A szaporodás szimulációja: . Különböző hőmérséklet, pH, és aw értékek mellett . Statikus és dinamikus körülmények között - µopt becslése egyetlen szaporodási görbéből (challenge teszt eredményéből vagy adatbázisból) Zwietering gamma koncepció: µmax = µopt (T) (aw) (pH) g(AH) g(kölcsönhatás) 4 környezeti tényező Az élelmiszer mátrix tényezője µopt 1 µopt 2 2010.02.18. TRUEFOOD Workshop

µopt becslése ? µmax, főbb értékek Elsődleges modell TÁPOLDAT Adott baktérium szaporodási kinetikája tápoldatban különböző körülmények között (T°C, pH, aw sav …) µmax, főbb értékek Szaporodási kinetika élelmiszerben adott körülmények között Challenge teszt Élelmiszerben Másodlagos modell Szaporodás szimulációja A bakteriális szaporodás szimulációja élelmiszerben különböző körülményekre a receptura, tartósítás hatásai ... 2010.02.18. TRUEFOOD Workshop 20

Az összetétel-ingadozás hatása Terméktípus: A B C Különböző márkák By predictive modelling variation in composition may cause reduction of shelf-life by 2 days (20%) Temperature has higher impact than composition Nitrate > pH > salt at Listeria monocytogenes Nitrate > salt > pH at Clostridium botulinum Azonos márkán belül Azonos márkán belül GVOP-3.1.1.-2004-05-0152/3.0 projekt 2010.02.18. TRUEFOOD Workshop

Különböző összetétel kiinduló mikrobaszám hőmérséklet 8°C 5°C Különböző összetétel kiinduló mikrobaszám hőmérséklet T[°C] 5°C 5°C 5°C 8°C 8°C 8°C [sejt/g] 0.1 1 0.1 0.1 0.1 1 összetétel átlagos átlagos legrosszabb átlagos legrosszabb átlagos GVOP-3.1.1.-2004-05-0152/3.0 projekt 2010.02.18. TRUEFOOD Workshop 22

Füstölt párizsi challenge teszt, Listeria monocytogenes A gyártó hagyományos módszerrel becsült min.-meg. ideje Predictive model shows quicker growth than the challenge test No safety margins for temperature deviations 2010.02.18. TRUEFOOD Workshop

Valószínűségi változós modellezés – Monte Carlo szimuláció A kockázatbecsléshez nem egyes paramétereket adunk meg a modellnek, hanem a bemenő paraméterek eloszlását A program ennek alapján nagy számú (legalább 5 – 10 000 ) adatsorozatot generál véletlenszerűen és ezekkel lefuttatja a modellt. Így nem csak az optimális és a legrosszabb esetre tudunk számolni, hanem megkapjuk a különböző esetek bekövetkezésének valószínűségét – reálisabb becslés 2010.02.18. TRUEFOOD Workshop

Párizsi Monte Carlo szimulációja a hűtőláncban Prediktív modellezés 8,5°C Prediktív modellezés 10°C 2010.02.18. TRUEFOOD Workshop

Javasolt eljárás a biztonságos fogyaszthatósági idő meghatározásához (1) A mikroba szaporodást befolyásoló paraméterek (pH, só, vízaktivitás,nitrit tartalom) gyártáson belüli és gyártások közötti ingadozásának meghatározása Összehasonlítás hasonló termékek validált biztonságos fogyaszthatósági idejével,ha léteznek ilyen adatok. Előszűrés prediktív modellezéssel 8,5°C–on az átlagos és a legrosszabb összetételi esetre. Tárolási kísérlet a mellékelt idő- hőmérséklet program szerint legalább 3 ismétléssel. Ha ennek eredményeként a fogyaszthatósági idő nem rövidebb mint a legrosszabb eset 8,5°C-on, ez az idő viszonylag kis kockázattal megadható. 2010.02.18. TRUEFOOD Workshop

Ajánlás a tárolási kísérletekhez a jelenlegi magyar hűtőláncban LÉPÉS HŐMÉRSÉKLET(0C) IDŐ(óra) Üzemi tárolás 5 24x Szállítás, depó 5 24x Kiskereskedelmi hűtőpult 8 48x Megvásárlás, hazaszállítás 22 2 Tárolás a fogyasztónál 10-12 hátralévő fogyasztha- tósági idő Xaz előállító határozza meg 2010.02.18. TRUEFOOD Workshop

Javasolt eljárás a biztonságos fogyaszthatósági idő meghatározásához (2) 5. Ha hosszabb időt szeretnénk megadni challenge tesztet kell végezni, vagy a csomagolás után megfelelő hőkezelést kell alkalmazni. Tárolási kísérlet a mellékelt ajánlás szerint. Ismétlés 3 tételből. 2010.02.18. TRUEFOOD Workshop

Gyakorlati megfontolások Egyetlen modell sem tökéletes, Matematikai illesztések bizonytalansága és az adatok szórása Mikrobiológia élelmiszer inhomogenitása  laboratóriumi táptalaj „vad” tenyészet, természetes mikroflóra  laboratóriumi színtenyészet Kiindulási szennyezettség 2010.02.18. TRUEFOOD Workshop

Gyakorlati megfontolások A modellezés soha nem helyettesítheti a valós termékkel valós feltételek mellett végzett kísérletek eredményeit => A prediktív modellezésen alapuló számítások önmagukban nem elegendőek az élelmiszer-biztonsági intézkedések megfelelőségének bizonyítására. (challenge teszt, tapasztalat) A modellek előrejelzését nem szabad a készítők által megadott határokon túl extrapolálni, A modellezés megbízhatósága valamelyest javítható, ha többféle modellt használunk. 2010.02.18. TRUEFOOD Workshop

Truefood kutatások (WP3) 2006-2009 Fermentált hagyományosan érlelt száraz kolbászok (hőkezelés nélkül készített, fogyasztásra kész) mikrobiológiai biztonságának kockázatelemzéséhez eszközök kifejlesztése Mikrobiológiai kockázati profil meghatározása Prediktív modellezés Challenge tesztek 2010.02.18. TRUEFOOD Workshop

Lángolt kolbász, valószínűségi modellezés Sym’Previus Listeria monocytogenes-re Alacsony valószínűséggel következik be növekedés 2010.02.18. TRUEFOOD Workshop

Szeletelt szárazkolbász - tárolás A challenge teszt és a ComBase Predictor összehasonlítása Listeria monocytogenes-nél Kis növekedés utána 5°C-on csökkenés 2010.02.18. TRUEFOOD Workshop

Szeletelt, vákuumcsomagolt szárazkolbász valószínűségi modellezése Sym’Previus Growth Interface Listeria monocytogenes-re aw:0.87 , T:5°C aw:0,87 T:9°C Alacsony valószínűséggel következik be növekedés 2010.02.18. TRUEFOOD Workshop

Módszerek Adatgyűjtés Termék beltartalma Patogének előfordulása és gyakorisága Egyszerűsített Ipari Mikrobiológiai Kockázatbecslés (IMRA) néhány kiválasztott feladatra Challenge tesztek állandó és változtatott hőmérsékleten Prediktív modellezés A challenge tesztek és a prediktív modellek összehasonlítása Következtetések a tökéletesített IMRA alapú Egyszerűsített Ipari Mikrobiológiai Kockázatbecslés alapján 2010.02.18. TRUEFOOD Workshop

A kockázat elemzés rendszere (Lammerling, 1996) Kockázat kezelés A megközelítési lehetőségek / álláspontok értékelése A megfelelő megoldások kiválasztása és alkalmazása Kockázat becslés Veszély azonosítás Veszély jellemzés Kitettség értékelés Kockázat jellemzés Kockázat közlés Az információ és vélemények interaktív cseréje 2010.02.18. TRUEFOOD Workshop 36

Mikrobiológiai kockázatbecslés Egyszerűsített kockázat becslés (Kockázati Profil) Egyszerű, papíron végzett kockázat értékelési módszer. A kockázatbecslés minden elemét felhasználja, de a kockázat legfontosabb meghatározó tényezőire vonatkozó információkat táblázatokból gyűjti össze. 2010.02.18. TRUEFOOD Workshop

A mikrobiológiai kockázatbecslés (MRA) néhány előnye A MRA a létező élelmiszerbiztonsági menedzsment rendszerekkel együtt lehetővé teszi azt, hogy az erőforrások a veszélyek csökkentésére összpontosuljanak MRA-t az élelmiszer-előállító vállalkozás és a hatóság is végezhet a változások hatásainak felmérésére 2010.02.18. TRUEFOOD Workshop

A mikrobiológiai kockázatbecslés néhány előnye II. A kockázatbecslés kimenetele lehet kvalitatív és kvantitatív Szinte semmilyen élelmiszert nem lehet eleve kockázatmentesnek tekinteni, mindig kell megfontolás, átgondolás. A kockázatbecslés felbecsüli, számszerűsíti a kockázat mértékét. 2010.02.18. TRUEFOOD Workshop

Ipari mikrobiológiai kockázatbecslés (Egyszerűsített / kockázatprofil) (IMRA) Az élelmiszer-biztonsági intézkedések álljanak arányban a kockázatokkal Az erőforrások ésszerű felhasználása A legfontosabb dolgokra kell összpontosítani Mennyire megbízhatóak a jelenlegi szabályozó intézkedések, a technológia, az összetétel, az üzemi környezet? Mi a változtatások várható hatása? Mérhető becslés grafikus áttekintéssel A HACCP rendszert támogató segédeszköz Folyamatábra Veszélyelemzés Kritikus határértékek meghatározása, stb. 2010.02.18. TRUEFOOD Workshop

Egyszerűsített ipari mikrobiológiai kockázatértékelés A kockázatbecslés elkészítésének egyszerű módja Gyors módszer Felhasználja a kockázatbecslés elemeit Kimutatja, hogy milyen adatok szükségesek a szabályos kockázatbecsléshez A kockázat szintjét legjobban befolyásoló termék-, és gyártási jellemzők feltárása Az előzetes becslés (outline) legjobb módja Az intézkedések várható hatásának becslése A szükséges intézkedések meghatározása Nem ad olyan részletes információt, mint a részletes kockázat értékelés 2010.02.18. TRUEFOOD Workshop

A kockázatok bemutatása Kifejezés Kockázat mértéke Példa Becsült kockázat Magas >1:100 HIV terjedése anyáról gyerekre 1:6 Közepes 1:100-1:1000 Tüdőrák- 10 cigaretta naponta 1:200 Alacsony 1:1000-1:10 000 Autóbalesetben való elhalálozás 1:8000 Nagyon alacsony 1:10 000- 1:100 000 gyilkosság 1:100 000 Minimális 1:100 000- 1:millió Vonatbalesetben való elhalálozás 1:500 000 Elhanyagolható < 1: 10 millió Halálozás villámcsapás következtében 1: 10 millió 2010.02.18. TRUEFOOD Workshop

A vázlatos ipari kockázatbecslés folyamata 1.lépés: Cél meghatározás 2. lépés: A veszély azonosítása 3.lépés: Kitettség értékelés 4.lépés: Veszély jellemzés 5.lépés: Kockázat jellemzés 6. Lépés: Írásos (hivatalos) jelentés 2010.02.18. TRUEFOOD Workshop

A kockázati profil Kérdések Veszély beazonosítása 1 Mi a termék neve és típusa? 2 Mely mikroorganizmusok hozhatók reálisan kapcsolatba a termékkel? 2.1 A kockázatbecslés melyik mikroorganizmust jellemzi? 2.2 Ez toxinképző-e vagy sem? Veszély jellemzése 3.1 Melyek az érintett fogyasztók? 3.2 A fogyasztói népességben hány megkülönböztethető alcsoport van? 3.3 Mi a veszély súlyossága? 3.4 Mi a veszély mértéke annál a mikroorganizmusnál, amit e kockázatbecsléssel jellemzünk? 3.5 Mi a becslés bizonytalansága? 2010.02.18. TRUEFOOD Workshop

Kockázatprofil számítás (Risk profiling) Egyszerű kockázatkezelési, döntést segítő eszköz A szabályos kockázatbecslés lépéseit követi (veszély azonosítás, veszély jellemzés, kitettség értékelés, kockázat jellemzés), de csak a meglévő , hézagos, részleges információt rendszerezi, értékeli Lépésenkénti elemzés a folyamatábrát követve Pontozás : - a kockázat - az információ minősége kisebb pontszám- kisebb kockázat, megbízhatóbb információ Összehasonlító értékelés:- veszélyek, termékek, lépések, változtatások Kimutatja, hogy hova kell részletesebb vizsgálat 2010.02.18. TRUEFOOD Workshop

A veszély jellemzés mértékének javasolt listája A veszély súlyossága: Enyhe tünetek, gyors gyógyulás Enyhe tünetek néhány napig Általában enyhe tünetek, néhány esetben kórház Súlyos tünetek, kórházi kezelés, néha halál Halálos A hatást kiváltó dózis szintje: Nagyon magas(pl. > 10,000 sejt) Magas (pl.1000 - 10,000 sejt) Közepes (pl. 100 - 1,000 sejt) Kicsi (pl. 10 - 100 sejt) Nagyon kicsi (pl.< 10 sejt) 2010.02.18. TRUEFOOD Workshop

Javasolt pontszámok a kitettség értékelésére Szennyezettség gyakorisága Eltekinthető (0-0.1%) Nagyon kis gyakoriság (0.1-1%) kis gyakoriság (1-10%) Közepes gyakoriság (10-50%) Gyakori (>50%) Szennyezettségi szint 0-10 sejt/g 10-100 sejts/g 100-1,000 sejt/g 1,000-10,000 sejt/g > 10,000 sejt/g Folyamatlépés hatása: Teljes inaktiválás Részleges inaktiválás Túlélés Kevés szaporodás Szaporodás Fogyasztott adag mérete Nagyon kis bevitel(0-10g) Kis bevitel(10-50g) Közepes bevitel(50-100g) Nagy bevitel(100-200g) Nagyon nagy bevitel(>200g) 2010.02.18. TRUEFOOD Workshop

Javasolt szintek az információ minőségéhez Bizonytalanság: Az adatok/információ nagyon jól megbízhatók (azonos termék, azonos mikroba, hasonló feltételek) Jól megbízható adatok/információk, kis bizonytalanság (azonos termék, azonos mikroba, eltérő feltételek /hasonló termék, azonos mikroba, hasonló feltételek) Az adatok/információ ésszerűen megbízhatók (hasonló termék, azonos mikroba, eltérő feltételek) Az adatok/információ kevésbé megbízhatók (eltérő termék, hasonló mikroba, eltérő feltételek) Csak vélemény, nincs alapos adat 2010.02.18. TRUEFOOD Workshop

Kockázat profil: Végső értékelés Kétféle pontszám (Mindegyik toxinnal vagy anélkül) Kockázat profil összpontszám Az információ minőségének pontszáma Gyakorlati tapasztalatok Az IMRA hasznos az előzetes mikrobiológiai kockázatbecsléshez, segít a gondolkodásban. Az IMRA segíti a célirányos kérdések felvetését. Elsősorban összehasonlításra, a változtatások hatásának értékelésére, a gyenge pontok megállapítására alkalmas melyik termék? melyik kórokozó? melyik művelet? melyik paraméter? Az abszolút értékek, pontszámok nem jellemzők 2010.02.18. TRUEFOOD Workshop

Kockázat profil, kockázatjellemzés Listeria monocytogenes Nem-proteolitikus Clostridium botulinum virsli sonka párizsi Kockázat profil – összesített pontszám 77 83 70 76 Kockázat profil – összehasonlítható pontszám, kivéve toxinra vonatkozó pontszámok 47 53 Az információ minőségének pontszáma 51 56 Szeletelés, csomagolás, újramelegítés hatásai Összetétel hatása A Listeria monocytogenes magasabb kockázatot jelent Wiener < Ham, Bologna Lm > C. bot Manufacturers tend to state very high shelf-life at Wieners 2010.02.18. TRUEFOOD Workshop

Kockázati profil – lángolt kolbász Listeria monocytogenes corrected uncertainty

A kockázat változékonysága (variabilitás) Nem elég, ha az átlagos termék jó, a szélsőségeseknek is meg kell felelniük, jónak kell lenniük Az összefoglalásnál elvész az információ egy része Az átlagos, vagy általánosított kockázat elrejtheti az egyes embercsoportok vagy körülmények okozta variációkat 2010.02.18. TRUEFOOD Workshop

Bizonytalanság Mennyire lehetünk biztosak abban, hogy a termékünk X% valószínűséggel biztonságos, vagy Y% valószínűséggel nem biztonságos Minden kockázathoz meg kell adni a hozzá tartozó bizonytalanságot is Figyelmet kell fordítani a kockázatok kombinálására 2010.02.18. TRUEFOOD Workshop

Összehasonlítás a gyakorlati tapasztalatokkal Lényeges annak biztosítása, hogy a kockázatbecslés eredményei összhangban legyenek a józan ésszel és a gyakorlati tapasztalatokkal 2010.02.18. TRUEFOOD Workshop

Élelmiszeripari modellek A folytatás: Élelmiszeripari modellek (DREAM FP7 Projekt) 2010.02.18. TRUEFOOD Workshop

Példák a valósághű élelmiszer modellekre / DREAM Baktérium törzsek vagy vagy aromakomponensek hatásának érzékszervi értékelésére használták Egy sajt modell készítése: Tejzsír + tejpor + víz + kazein + tejoltó meghatározott sorrendben összekeverve, pH beállítás és hőkezelés Kolbász modell receptúrája: A mikrobaflóra által kialakított illat tanulmányo-zására használták Vákuumcsomagolás és inkubálás

2010.02.18. TRUEFOOD Workshop

2010.02.18. TRUEFOOD Workshop

2010.02.18. TRUEFOOD Workshop

A DREAM projekt Hús modellek a késztermék aminosav profiljának meghatározására – fehérjék szerkezetváltozásai a hőkezelés hatására, az aminosavak biológiai hozzáférhetőségének meghatározása Sajt modellek (standardizált tejből) aromaanyagok, adalékanyagok, starterkultúrák hatásának vizsgálatára 2010.02.18. TRUEFOOD Workshop

A DREAM projekt Zöldség-gyümölcs modellek a végtermékben található biológiailag aktív komponensek (polifenolok, flavonoidok, karotenoidok, antociánok) mennyiségének és biológiai hozzáférhetőségének előrejelzésére - biológiailag aktív komponensek viselkedése a hőkezelés és mechanikai feldolgozás hatására Sütőipari modellek az élelmi rost és PUFA hozzáadásának vizsgálatára - Érzékszervi tulajdonságok, akrilamid tartalom, szín, GI, eltarthatóság előrejelzés A DREAM projektben valósághű és szoftver modellek is készülnek 2010.02.18. TRUEFOOD Workshop