Développement de méthodes informatiques pour l'évaluation et l'amélioration de l'identification par spectrométrie de masse des peptides modifiés

Development of computational methods to evaluate and improve the identification by mass spectrometry of modified peptides

• Auteur / Autrice : Albane Lysiak
• Direction : Guillaume Fertin, Géraldine Jean, Dominique Tessier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 06/12/2022
• Etablissement(s) : Nantes Université
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
• Partenaire(s) de recherche : Laboratoire : Laboratoire des Sciences du Numérique de Nantes - Biopolymères, Interactions, Assemblages BIA (Unité de recherche INRA - Université de Nantes)
• Partenaire(s) de recherche : ANR : ANR DeepProt
• Jury : Président / Présidente : Thomas Burger
• Jury : Examinateurs / Examinatrices : Thierry Lecroq, Christine Carapito, Martial Rey
• Jury : Rapporteurs / Rapporteuses : Thierry Lecroq, Christine Carapito

Mots clés

Mots clés contrôlés

Spectrométrie de masse

Mots clés libres

Bioinformatique

Protéomique

Peptide

OMS

Bioinformatics

Proteomics

Peptide

OMS

Résumé

La spectrométrie de masse (MS) est l’une des méthodes privilégiées pour identifier les protéines. Elles sont habituellement identifiées à partir de leurs peptides. Pour cela, les spectres obtenus à partir des peptides sont comparés à une base de données de spectres théoriques à l’aide d’un score de similarité, et les PSM (Peptide-Spectrum Matches) produits aident à l’identification des spectres. Cependant, la plupart des spectres générés ne peuvent pas être correctement identifiés. L’une des raisons est que les protéines, et donc les peptides résultants, portent des modifications, ce qui complexifie l’identification des spectres issus de ces peptides. Pour résoudre ce problème, les approches OMS (Open Mass Search) offrent des éléments prometteurs. Cependant ces méthodes sont encore confrontées à certains obstacles, surtout lorsque le peptide comporte des modifications inconnues. De plus, l’évaluation de leurs résultats est complexe. Dans le cadre de cette thèse, j’ai d’abord évalué des stratégies OMS à l’aide de spectres théoriques jouant le rôle de spectres expérimentaux, ce qui a permis de développer de nouveaux critères pour évaluer les PSM. À la suite de ce travail, j’ai développé SpecGlob, un algorithme qui repose sur la programmation dynamique pour aligner les masses contenues dans un PSM, afin d’identifier plusieurs modifications inconnues qui séparent le peptide qui a généré le spectre à identifier du peptide candidat.

Mass spectrometry (MS) is one of the main methods used to identify proteins. They are usually identified from their peptides. To this end, spectra obtained from their peptides are compared to a database of theoretical spectra using a similarity score, and resulting PSMs (Peptide-Spectrum Matches) are used to identify spectra. Nevertheless, most of the spectra that are generated cannot be properly identified. One of the reasons is that proteins, and thus resulting peptides, carry modifications that complexify the identification of corresponding spectra. To solve this problem, OMS (Open Mass Search) methods offer promising elements. But these methods still face obstacles, especially when the peptide carries unknown modifications. Moreover, the evaluation of their results is complex. During my PhD, I first evaluated OMS strategies with theoretical spectra playing the role of experimental spectra, which enabled the development of new criteria to evaluate PSMs. Following this work, I developed SpecGlob, an algorithm that relies on dynamic programming to align masses of spectra of a PSM, aiming at identifying several unknown modifications seperating the peptide that generated the spectrum from the candidate peptide.