Onderzoek - ontwikkeling en innovatie
24 maart 2026
Bacteriën ‘praten’ en onthullen zo hun zwakke plek
Onderzoekers hebben aangetoond dat verschillende bacteriesoorten elk een uniek geluid produceren. Op basis van deze ontdekking laten zij nu zien dat bacteriën niet alleen geïdentificeerd kunnen worden, maar dat ook hun gevoeligheid voor antibiotica kan worden vastgesteld — en dat alles puur op basis van hun geluid. Deze gecombineerde methode levert binnen enkele uren resultaten op, in plaats van dagen, en betekent daarmee een belangrijke vooruitgang in de diagnose en behandeling van bacteriële infecties.
(Afbeelding TU Delft)
Het onderzoek is uitgevoerd door een team van de TU Delft, SoundCell en het RHMDC (laboratorium van het Reinier de Graaf ziekenhuis). De studie verscheen in ACS Sensors.
“In eerder onderzoek ontdekten we dat een nanodun grafeenmembraan het uiterst subtiele geluid van een enkele bacterie kan registreren,” vertelt universitair hoofddocent Farbod Alijani. “Met die techniek konden we al bepalen welke antibiotica effectief zijn, wat uiteindelijk leidde tot de TU Delft spin-off SoundCell. In dit nieuwe onderzoek gaan we een stap verder: we tonen aan dat elke bacteriesoort zijn eigen karakteristieke nano-bewegingen heeft.” Het team ontwikkelde een machine learning-model dat bacteriën herkent door hun unieke vibratiepatronen op nanoschaal te analyseren.
Door dit model te combineren met het bestaande SoundCell-prototype voor antibioticascreening, ontstaat een krachtige nieuwe diagnostische methode. “We kunnen nu zowel de bacterie identificeren als vaststellen welk antibioticum werkt, uitsluitend op basis van het geluid van één enkele bacterie,” legt SoundCell-CTO Aleksandre Japaridze uit. Volgens microbioloog Leo Smeets van het RHMDC maakt deze aanpak tijdrovende kweekmethoden overbodig. “Omdat de verschillende diagnostische stappen niet meer na elkaar hoeven plaats te vinden, winnen we nog eens extra tijd.”
Vibratie als vingerafdruk
De onderzoekers bouwden de afgelopen jaren een uitgebreide databank op met trillingsgegevens van bacteriën. “Op een gegeven moment vroegen we ons af waarom we die data niet ook gebruiken voor identificatie,” aldus Alijani.
Het onderzoek richtte zich op drie veelvoorkomende ziekenhuisbacteriën: E. coli, S. aureus en K. pneumoniae. Wanneer deze bacteriën zich hechten aan een grafeenmembraan, veroorzaken ze minuscule trillingen. Die signalen worden omgezet in zogeheten tijd-frequentiespectrogrammen — vergelijkbaar met een vibratie-vingerafdruk. Promovendus Santiago Mendoza Silva ontwikkelde een machine learning-model dat deze ‘vingerafdrukken’ kan classificeren. Door training op grote datasets leert het systeem de verschillende patronen te onderscheiden. “Daarmee konden we aantonen dat bacteriën inderdaad elk hun eigen geluid hebben,” zegt hij.
Wapen tegen antibioticaresistentie
De combinatie van snelle identificatie en directe antibioticascreening biedt volgens de onderzoekers grote kansen. SoundCell test het prototype momenteel in zowel het RHMDC als het Erasmus Medisch Centrum. “We hebben al laten zien dat we de gevoeligheidstest voor antibiotica kunnen terugbrengen tot ongeveer een uur,” zegt Japaridze. “Als we die snelheid combineren met soortherkenning via machine learning, kunnen we een wereldwijd uniek apparaat ontwikkelen dat diagnose en behandeling aanzienlijk versnelt.” Zo’n innovatie kan een belangrijke rol spelen in de aanpak van antibioticaresistentie.
Quicklinks
Meer nieuws over Onderzoek - ontwikkeling en innovatie
