Quantification des protéines dans des expériences LC-MS sans étiquetage

L'objectif de nombreuses investigations protéomiques par LC-MS est de quantifier et de comparer l'abondance des protéines dans des mélanges biologiques complexes. Cependant, le résultat d'une expérience LC-MS n'est pas une liste de protéines, mais une liste de caractéristiques spectrales quantifiées. Pour tirer des conclusions au niveau des protéines, les chercheurs appliquent généralement des règles ad hoc, ou prennent une moyenne de l'abondance des caractéristiques pour obtenir une quantité unique au niveau des protéines pour chaque échantillon. Nous soutenons que ces deux approches sont inadéquates. Nous discutons de deux modèles statistiques, à savoir l'Analyse de Variance (ANOVA) à effets fixes et à effets mixtes, qui considèrent des caractéristiques individuelles comme des mesures répliquées de l'abondance d'une protéine et tiennent explicitement compte de cette redondance. Nous démontrons, en utilisant un jeu de données de spike-in et clinque, que les modèles proposés améliorent la sensibilité et la spécificité des tests, améliorent la précision des quantifications des protéines spécifiques aux patients, et sont plus robustes en présence de données manquantes.