Het centraal probleem bij massaspectrometrie-gebaseerd single-cell proteomics is de lage signaal-ruisverhouding in de spectra, waardoor het moeilijk is om signaal van achtergrondruis te onderscheiden. Daarom is een veel performantere gegevensanalyse nodig, waarvoor typisch berust wordt op peptidebibliotheken. Deze databanken bevatten alleen peptiden waarvan al bekend is dat ze voorkomen in een bepaald celtype, waardoor de mogelijke set identificeerbare eiwitten wordt beperkt. Voor prokaryoten is deze strategie minder effectief: het proteoom van deze organismen is niet tot in detail bekend en is meestal variabel wanneer het organisme geconfronteerd wordt met externe triggers. In mijn doctoraatsproject zal ik alternatieve data-analysemethodes ontwikkelen die single-cell proteomics op basis van massaspectrometrie voor deze prokaryote cellen mogelijk maken zonder peptidebibliotheken. Deze benaderingen omvatten voorspellingsmodellen van peptidegedrag (bijv. retentietijd, scheiding van ionenmobiliteit) en algoritmen voor peptide-identificatie die specifiek geoptimaliseerd zijn voor instrumenten en analysemethoden die worden toegepast in single-cell proteomics workflows.