Getting more out of mass spectrophotometry-based proteomics using supervised learning approaches and on-the-fly data analysis

Après l’ère post « génomique », une autre discipline, la protéomique a émergé. La protéomique c’est l’étude de l'ensemble des protéines d'une cellule, d'un organite, d'un tissu, d'un organe ou d'un organisme à un moment donné et sous des conditions données. L’identification des protéines reste la première étape essentielle en protéomique. En effet, sans l’identification des protéines connues pour être impliquées de manière critique dans un système étudié, il n'est pas possible de développer des hypothèses sur la biologie sous-jacente du système en question. L’apport de la protéomique pour la recherche en sciences de la vie dépend donc de notre capacité à identifier de manière précise, rapide et complète l’ensemble des protéines présentes dans nos échantillons d’intérêt. La spectroscopie de masse est l’une des méthodes les plus utilisées à cet effet. Elle a bien évolué pour devenir un outil de quantification et d’évaluation des changements dynamiques dans l’expression des protéines et des modifications post-traductionnelles des protéines. Elle a également permis l’étude des interactions protéiques (Networks). Cependant, le degré de précision de la spectroscopie de masse dépend de la performance des instruments, mais aussi des méthodes d’acquisition et des outils d’analyses des données utilisés.

Ce rapport a été rédigé dans le cadre du cours BIF7002, Séminaire de Bioinformatique de l’UQÀM, session hiver 2019. La problématique est liée à la conférence intitulée « Getting more out of mass spectrometry-based proteomics using supervised learning approaches and on-the-fly data analysis » et présentée le 19 février par Mathieu Lavallée-Adam.