Vloeibare biopten zijn steeds belangrijker geworden voor de diagnose van ziekten, maar de focus heeft voornamelijk gelegen op nucleotiden in plaats van eiwitten. Myotone dystrofie type 1 (DM1) biedt een mogelijkheid om het gebruik van eiwitanalyse in vloeibare biopten te verkennen, aangezien de ziekte aanzienlijke weefselschade en eiwitlekkage in het bloed veroorzaakt. Om dit te bereiken moeten echter drie uitdagingen worden aangepakt: het detecteren van eiwitten met een lage abundantie, het identificeren van hun weefsel van oorsprong en het begrijpen van functionele verstoringen. Dit zal worden bereikt door middel van vier werkpakketten: (i) ontwikkeling van performante machine learning-modellen en optimalisatie van de predictie accuraatheid voor de diaPASEF-modus van het timsTOF-instrument; (ii) gebruik van deze predicties om een gevoelige en specifieke zoekmachine te creëren voor data analyse; (iii) eiwitten terug traceren naar hun weefsel van oorsprong met behulp van weefselpredictiemodellen en eiwitassociatie methodieken om functionele netwerken van eiwitten te verduidelijken; en (iv) de analytische vooruitgang combineren met de biologische context om kandidaat-biomarkers voor DM1 te verkrijgen. Deze combinatie van verbeterde analyse en relevante biologische context zal leiden tot robuustere biomarkers en dient om de bruikbaarheid van deze aanpak voor complexe ziekteanalyse en diagnose aan te tonen.