Eiwitten en de modificaties die ze dragen zijn essentieel in alle biologische processen van een cell. De manier om alle eiwitten in een cell te bestuderen is met vloeibare chromatografie gekoppeld aan een mass spectrometer die data verzameld met een data afhankelijke methodiek (DDA). Deze DDA methodiek is gelimiteerd tot de identificatie en quantificatie van een kleine selectie die het maakt op basis van peptide intensiteiten. Een data onafhankelijke methodiek (DIA) is in staat of een meer uitgebreid overzicht te krijgen van alle peptiden in een staal door er meer tegelijkertijd te bestuderen. Echter maakt dit de data analyze complexer omdat de verkregen signalen gedeconvolueerd moeten worden. In dit project voorstel beschrijf ik een nieuwe bibliotheek-vrije zoekmachine voor DIA data die de inherente ambiguïteit van deze data kan overkomen. Dit doel is te bereiken omdat ik nieuwe predictieve modellen optimaliseer om peptide gedrag te voorspellen. Als aanvulling op deze modellen zal ik ook de verkregen features van deze predicties verbeteren. Uiteindelijk zou deze reductie in ambiguïteit er ook toe moeten leiden dat ik in staan ben om naar een groot aantal eiwit modificaties te zoeken en dit zal op zijn beurt een grote impact hebben op de biologische interpretatie van DIA data.