Recombinante eiwit productie is een basisprincipe in vele onderzoeksstudies uit de levenswetenschappen, alsook een sleuteltechnologie in biotechnologische toepassingen. Eukaryotische eiwitsecretie is de voorkeursmethode voor recombinante eiwitproductie. Desondanks is eiwitsecretie een complex proces waarin cellulaire processen interageren met het ontluikend eiwit, en deze complexiteit zorgt ervoor dat het voorspellen van ‘secreteerbaarheid’ van een bepaald eiwit nog steeds onmogelijk is. In dit project zullen we een nieuwe technologie gebruiken die recent ontwikkeld werd in ons lab, waarin we experimentele data genereren over secreteerbaarheid van honderdduizenden eiwitfragmenten in gist. We hebben al aangetoond dat deze datasets, in combinatie met moderne machine learning, onverwachte eiwit kenmerken aantonen die belangrijk zijn in eiwitsecretie, en dat hiermee voorspellende modellen gebouwd kunnen worden die kunnen nagaan of een bepaal eiwitfragment de mogelijkheid heeft om gesecreteerd te worden of niet. Deze methodologie staat ons toe om reeds lang bestaande onderzoeksvragen te bestuderen, onder andere hoe de aard van het secretorisch signaal eiwitsecretie kan beïnvloeden en welk eiwittype welk chaperonne nodig heeft voor een correcte opvouwing. We verwachten dat de gegenereerde kennis belangrijk zal zijn voor het begrijpen van eukaryotische secretorische processen, alsook voor het overkomen van praktische problemen in heterologe eiwitsecretie.