Analyses peptidomiques pour la détection et l’identification des composants protéiques d’origine animale dans l’alimentation des animaux de rente

Promoter

Prof. Martine RAES, UNamur, Laboratory of Cellular and Molecular Biology (URBC)

Jury

Vincent BAETEN (CRA-W), Josef RASINGER (NIFES), Didier VERTOMMEN (UCL), Philippe DELAHAUT (CER), Serge MAURO, co-promoteur (CRA-W), Thierry ARNOULD, président (UNamur), Martine RAES, promoteur (UNamur)

Summary

Les farines animales ont été largement utilisées dans l’alimentation du bétail. Cependant, l’apparition de l’Encéphalopathie Spongiforme Bovine (ESB), plus communément appelée « maladie de la vache folle », a conduit à une série de mesures législatives concernant l’utilisation de ces farines animales. En effet, il s’est avéré que la transmission la plus probable de cette maladie était liée à l’utilisation de farines contaminées par une protéine prion. Diverses méthodes de détection et d’identification des Protéines Animales Transformées (PATs) existent à ce jour : la microscopie optique, la PCR, les méthodes proches infrarouges et les méthodes immunologiques. Cependant, ces méthodes présentent des limitations et l’assouplissement de la législation requiert le développement de nouvelles méthodes analytiques afin de déterminer l’origine exacte des PATs. C’est pourquoi une approche peptidomique a été développée afin de définir l’origine taxonomique et tissulaire des PATs. Un certain nombre de peptides biomarqueurs spécifiques d’espèces ont été identifiés par spectrométrie de masse à l’aide d’un Q-TOF. La transposition de la technique sans a priori à une technique de routine à l’aide d’un triple quadrupôle a été démontrée par la détection de 7 peptides marqueurs dans des échantillons de PATs en seulement 20 minutes. Une approche statistique de type PCA (Principal Component Analysis) sur ces échantillons s’est révélée très puissante, fournissant une empreinte globale des échantillons de PATs à partir de milliers de données MS. Ces différentes approches peptidomiques (sans a priori, ciblée et statistique) apportent des réponses aux limitations des méthodes actuelles et pourraient être considérées comme méthodes analytiques puissantes de seconde ligne pour des contre-analyses lorsqu’il y a un doute sur certains échantillons.