Metaproteomics is een steeds populairder wordend gebied dat de studie van het volledige eiwitcomplement omvat
van hele (microbiële) gemeenschappen. Deze eiwitten zijn de 'werk'-moleculen in cellen die worden uitgevoerd
de chemische reacties die het leven ondersteunen, en die zorgen voor communicatie met andere cellen in de
gemeenschap en met het gastheerorganisme. Metaproteomics wordt vaak toegepast om inzicht te krijgen in
menselijke darmflora, de microbiële gemeenschappen die op en rond de wortels van planten leven, en de
fermentatie van microben in biogasreactoren. Toch, ondanks zijn populariteit, het vermogen van metaproteomics
om gedetailleerd inzicht te geven in de feitelijke werking van de onderzochte gemeenschappen wordt tegengehouden door een
gebrek aan computationele hulpmiddelen om de verkregen gegevens te analyseren en te interpreteren. Dit project daarom
gaat dit probleem rechtstreeks aan, door twee cruciale computercomponenten te ontwikkelen. De eerste is a
performant identificatie-algoritme dat de verkregen gegevens omzet in eiwitidentificaties,
en de tweede is een speciaal kwantificeringsalgoritme dat de relatieve hoeveelheden van zal leveren
eiwitten aanwezig in verschillende monsters (bijvoorbeeld gezond in vergelijking met zieke mensen, groeien
vergeleken met stervende gewassen en performant vergeleken met stilstaande biogasreactoren). Ik zal ook
implementeer deze nieuwe algoritmen in gebruiksvriendelijke, gratis en open source software, zodat er net zoveel zijn
mensen mogelijk in staat zijn gebruik te maken van onze tools om hun eigen en andere te analyseren
gegevens van mensen (die online beschikbaar zijn).