Massaspectrometrische analyse van eiwitten in individuele cellen (SCP) is revolutionair voor de studie van complexe biologische processen, weefselheterogeniteit en ziekteprocessen. In tegenstelling tot genexpressie technologieën, kwantificeert men hierbij direct eiwitten en hun posttranslationele modificaties (PTMs). Proteïnen en PTMs spelen inderdaad een sleutelrol in veel cellulaire reactiepaden en dus in de proliferatie, migratie, metastase en veroudering van cellen. De gevoelige kwantificatie van proteïnen en PTMs in individuele cellen wordt echter belemmerd door de SCP data-analyse methoden die niet corrigeren voor sterke correlaties in eiwitexpressie tussen cellen van eenzelfde patiënt, noch voor ontbrekende waarnemingen en niet zijn geoptimaliseerd voor PTMs. Het project beoogt daarom de ontwikkeling van innovatieve en baanbrekende differentiële data-analyse strategieën voor SCP technologieën die (1) de correlatiestructuur van SCP-data in rekening brengen om reproduceerbare differentieel abundante proteïne merkers op te pikken, (2) een krachtige analyse mogelijk maken in de aanwezigheid van ontbrekende waarden, en (3) differentieel abundante PTMs op kunnen pikken vertrekkende van individuele cellen.