پروتئومیک در واقع علم جداسازی و تعیین هویت پروتئینها و بررسی میزان حضور آنها در نمونه های بیولوژیکی است. در حال حاضر اساسی ترین تکنیک در جداسازی پروتئینها الکتروفورز ژل دو بعدی است که پروتئین ها را در دو بعد متعامد بر اساس شارژ و جرم مولکولی تفکیک می کند. پس از جدا سازی پروتئینها در صفحات حاوی ژل، این صفحات اسکن شده و تصویر آنها حاصل می شود. دو مجموعه تصویر در این تحقیق مورد استفاده قرار گرفتند که همگی از انستیتو پاستور ایران اخذ شده اند. مجموعه اول تصاویر مربوط به کلیه همستر می باشند که به دو گروه سالم و آلوده به ویروس هاری تقسیم می شوند. هدف از تحلیل تصاویر این مجموعه پیدا کردن پروتئینهای نشانگر ویروس هاری در این رده سلولی است. مجموعه دوم تصاویر از مغز ماهیان خاویار تهیه شده اند که اثر سم متیل جیوه بر آنها بررسی می شود و به دو گروه سالم و گروه تغذیه شده با متیل جیوه تقسیم می شوند. هدف بررسی اثر سم متیل جیوه بر پروتئین های مغز ماهیان خاویار است. تحلیل تصاویر الکتروفورز ژل دو بعدی مستلزم انجام سه مرحله ناحیه بندی، تطابق و آنالیز آماری است. در این تحقیق در مرحله ناحیه بندی برای آشکار سازی لکه های پروتئینی ابتدا تصاویر با فیلتر لاپلاسی گوسی لبه یابی شدند و سپس از الگوریتم حوضچه آبگیر با نشانگرهای کنترل شده برای ناحیه بندی استفاده گردید. برای اصلاح ناحیه بندی و تفکیک نواحی مناسب از آرتیفکت ها، پارامترهای شکل از نواحی استخراج شدند. درمرحله تطابق لکه های پروتئینی که در تصاویر با هم مطابقت دارند مشخص گردیدند. در این تحقیق درمرحله تطابق ابتدا تصاویر نمونه بر روی تصویر مرجع گروه پایه تثبیت خطی شدند. برای تطابق نواحی یک همسایگی مطلوب برای هر ناحیه در نظر گرفته شد. سپس هر ناحیه از یک تصویر با نواحی که در همسایگی مطلوبش در تصویر دیگر قرار گرفته اند به سه روش مقایسه گردید تا ناحیه مطابقش پیدا شود که این سه روش عبارتند از: روش استفاده از معرف های ویژگی، روش استفاده از ضرایب همبستگی و روش مثلثهای دیلانی. در مرحله آنالیز آماری نواحی تطابق یافته در تصاویر به لحاظ ویژگیهای آماری مقایسه گشتند. در آنالیز درون گروهی ضریب واریانس برای هر تطابق درون یک گروه بدست آمد تا تغییرات بیان پروتئینی درون یک گروه بررسی شود. در نهایت از تست تی برای آنالیز بین گروهی استفاده شد تا نواحی که به لحاظ آماری تغییرات معنادار پیدا کرده اند آشکار شوند. این نواحی به عنوان نشانگرهای حیاتی معرفی شدند. نتایج حاصل از پیاده سازی روشهای این تحقیق بر روی دو مجموعه تصویری که از انستیتو پاستور اخذ شده اند با نتایج نرم افزار imagemaster مقایسه گردید. در مرحله ناحیه بندی مشاهده شد که نرم افزار imagemaster در مجموع تعداد نواحی بیشتری را بر روی تصویر تشکیل می دهد که یک دلیل آن بیشتر بودن نواحی false positive است و دلیل دیگر جداسازی نواحی متداخل است. مزیت روش این تحقیق در بیشتر بودن درصد نواحی true positive است و ایراد این روش در بیشتر بودن نواحی false negative است. نتایج حاصل از تطابق نواحی در این تحقیق نیز با نتایج نرم افزار imagemaster مقایسه شدند و مشخص شد که ترکیب سه روش مورد استفاده در این تحقیق می تواند نتایج مرحله تطابق را نسبت به روش نرم افزار فوق بهبود دهد.