A análise de dados ômicos vem se expandindo nos últimos anos e com isso tornou-se necessário desenvolver técnicas estatísticas para análise desse tipo de dados. Pensando nos estudos proteômicos, baseados na análise de espectrometria de massas, nota-se que com a grande quantidade de informação coletada a utilização de técnicas de normalização e significância são fundamentais para comparação e identificação de variáveis com comportamento diferencial, podendo auxiliar no desenvolvimento de novos tratamentos. Este trabalho teve como objetivo propor novas técnicas de normalização e significância que levem em consideração a estrutura em que os dados foram coletados para comparar diferentes métodos de preparação de amostras (os quais serão então analisadas para quantificação das proteínas e peptídeos) em busca do mais preciso, além de interpretar as diferentes fontes de variação impostas pelo delineamento do experimento. Como resultados do estudo observou-se que as técnicas propostas neste trabalho foram eficazes na normalização dos dados e na identificação de variáveis significantes, observando ainda diferenças entre os resultados obtidos pelas técnicas propostas com os resultados baseados na metodologia de normalização TIC. Além disso, notou-se que o método IGD (em gel) no geral apresentou as menores quantificações e o método ISD (em solução) se mostrou o mais preciso.

In the past years, omic data analysis has expanded, as a result, statistical techniques are being developed to study this kind of data. Concerning the amount of data generated by Mass Spectrometry based Proteomics experiments normalization and significance analysis are fundamental to compare and to find variables with differential abundance. This paper aims to propose new normalization and significance models that take the datas structure into account, to compare different preparation methods, which will be analyzed to quantify proteins and peptides, to find the most precise, and to explain the technical variation sources imposed by the experiment. It was found that the techniques proposed in this paper were efficient at their purpo- ses, and was observed differences between results from these techniques with results from the normalization method TIC. Besides, IGD (in gel) had the lowest variable abundance, and ISD (in solution) was the preparation method most precise.