Automatisation non supervisée de la quantification par spectrométrie de masse
Résumé
Les procédés d'analyse proteomique sont classiquement des successions d'étapes analytiques. Bien que nécessaire, ce découpage introduit des sources de fluctuations à chaque étape et des pertes d'informations. De même, l'analyse des données est traditionnellement réalisée de façon séquentielle et donc souffre de défauts similaires. A titre d'exemple, pour une analyse MRM, le signal d'une transition (couple ion précuseur/ion fragment) est acquis, extrait, quantifié puis normalisé par rapport à un étalon. L'information acquise pour différentes transitions, correspondant à différents peptides de la même protéine, sert à calculer une concentration protéique unique en appliquant un filtrage collectif tel que la méthode median polish. Au cours de ces étapes, le biologiste élimine les transitions bruitées, définit un signal seuil, corrige les transitions mal quantifiées L'ajustement des paramètres de traitement du signal se réalise souvent par empirisme, sciemment ou inconsciemment. La reproductibilité peut ainsi être expérimentateur dépendante. A l'opposé, nous proposons une méthode bayésienne de manière à tirer simultanément le meilleur parti de l'information contenue dans les données et des connaissances a priori de l'expert. Nous exploitons la redondance de l'information par analyse simultanée de tous les signaux issus d'une même molécule parente. Cependant, retrouver cette information nécessite de gérer les autres sources de variabilité. Une modélisation hiérarchique de la chaîne d'analyse MRM et les méthodes d'inversion permettent cette estimation conjointe des concentrations des protéines ciblées et des paramètres analytiques critiques. Des étalonnages internes (PSAQ, AQUA) et externes (échantillons contrôles) ont permis d'estimer les fluctuations inter-jour et intra-jour, par exemple les rendements de digestion et de fragmentation. Il devient ainsi possible de séparer la variance attribuable à la chaine analytique et la variance liée à la différence de doses protéiques entre échantillons cliniques. L'algorithme adaptatif a été appliqué à la quantification par MRM de plusieurs dizaines de protéines dans 200 échantillons cliniques d'une étude cas/témoin pour le dépistage du cancer colorectal. Les performances de l'algorithme bayésien automatique sont comparables aux résultats obtenus par les experts avec une analyse séquentielle supervisée fortement chronophage. Le temps de traitement des données MRM est donc considérablement réduit sans perdre en fiabilité