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

Nous assistons aujourd’hui à une véritable explosion de données omiques, et celle-ci apporte son lot de questions quant à leur exploitation optimale. En effet, l’interprétation de ces nombreuses données nécessite de faire appel à des moyens bioinformatiques de plus en plus puissants. Bien que les outils disponibles rendent déjà possible une caractérisation des systèmes biologiques à une échelle et une profondeur jamais atteintes auparavant, ces technologies se heurtent à certaines limites. Ces limites peuvent également être perçues en protéomique. Des programmes de plus en plus performants sont développés afin de répondre à un besoin grandissant. À l’ère de l’intelligence artificielle et du big data, la solution viendra peut-être de l’intégration de ces technologies aux outils développés. Par ailleurs, les paramètres pris en compte pour l’identification des protéines variant d’un programme à un autre, leur comparaison souvent imprécise. L’intégration de l’intelligence artificielle et du big data dans les outils permettra peut-être de définir des standards et par la même occasion d’orienter les avancées dans les domaines omiques.