Ta strona wykorzystuje ciasteczka ("cookies") w celu zapewnienia maksymalnej wygody w korzystaniu z naszego serwisu. Czy wyrażasz na to zgodę?

Czytaj więcej

Laboratorium Biologii Obliczeniowej

O Grupie:

Zajmujemy się rozwijaniem i wykorzystaniem zaawansowanych narzędzi komputerowych oraz metod sztucznej inteligencji do badania trójwymiarowej struktury biomolekuł i ich dynamiki.

Nasze badania obejmują szeroki zakres zagadnień z biologii obliczeniowej, bioinformatyki i chemoinformatyki – od modelowania molekularnego po analizę danych biologicznych. Obecnie nasze badania koncentrują się na rozwoju i zastosowaniu metod sztucznej inteligencji (AI), obejmujących uczenie maszynowe oraz głębokie uczenie (deep learning), wykorzystywanych m.in. do przewidywania struktur biomolekuł, analizy ich właściwości oraz wspomagania projektowania leków.

Stosujemy najbardziej skuteczne podejścia, takie jak AlphaFold oraz inne metody, do przewidywania struktur białek, RNA oraz ich kompleksów z różnymi biomolekułami. Rozwijamy również własne narzędzia i metody jak np. CABS-flex 3.0 do szybkiego modelowania elastyczności białek, lub Aggrescan4D do analizy skłonności do agregacji białek na podstawie struktury przestrzennej, oraz podejścia do dokowania molekularnego i racjonalnego projektowania leków celujących w białka i RNA.

Więcej informacji na stronie laboratorium: http://lcbio.pl

Działalność badawcza:

  • przewidywanie struktur białek z wykorzystaniem AI (np. AlphaFold);
  • przewidywanie struktur RNA, kompleksów RNA-RNA, ligand-RNA oraz białko–RNA;
  • przewidywanie zdolności do agregacji białek na podstawie struktury (Aggrescan4D);
  • szybkie modelowanie elastyczności białek (CABS-flex);
  • projektowanie leków celujących w RNA i białka;
  • dokowanie molekularne: białko–peptyd, białko–białko, białko–mała cząsteczka;
  • dynamika molekularna: metody pełnoatomowe i gruboziarniste;
  • rozwój metod opartych na AI: uczenie maszynowe, deep learning;
  • tworzenie intuicyjnych narzędzi bioinformatycznych (webserwisy i aplikacje standalone);
  • racjonalne projektowanie białek i ligandów;
  • bioinformatyczne wsparcie badań eksperymentalnych;
  • biostatystyka i analiza danych biologicznych;
  • analiza danych NGS (sekwencjonowania nowej generacji);
  • tworzenie i wykorzystanie naukowych baz danych;
  • udział w wyzwaniach dotyczących przewidywania struktur (np. RNA-Puzzles, CASP).


Oferta:

  • Komputerowe wspomaganie projektowania leków, w tym leków celujących w RNA i białka;
  • Przewidywanie struktur białek, RNA oraz ich kompleksów z wykorzystaniem połączenia metod sztucznej inteligencji (np. AlphaFold) i klasycznych podejść;
  • Analiza właściwości strukturalnych biomolekuł, w tym elastyczności białek (CABS-flex) oraz skłonności do agregacji (Aggrescan4D);
  • Bioinformatyczne i komputerowe wspomaganie badań w zakresie biologii strukturalnej, biologii RNA oraz inżynierii białek;
  • Rozwój narzędzi opartych na AI, uczeniu maszynowym i głębokim uczeniu (deep learning) do analizy i modelowania systemów biologicznych;
  • Tworzenie oprogramowania oraz łatwych w użyciu serwisów internetowych wspierających projektowanie leków i badania biologiczne;
  • Rozwój i utrzymanie biologicznych baz danych oraz specjalistycznych platform analitycznych;
  • Modelowanie molekularne oraz racjonalna inżynieria białek i RNA;
  • Statystyczna analiza danych biologicznych i biomedycznych;
  • Wykorzystanie infrastruktury superkomputerowej do symulacji molekularnych oraz analizy dużych zbiorów danych;
  • Wizualizacja struktur i danych biologicznych w kontekście przestrzennym i funkcjonalnym.

Kierownik grupy:

Prof. dr hab. Sebastian Kmiecik

Profesor zwyczajny na Uniwersytecie Warszawskim oraz kierownik Pracowni Biologii Obliczeniowej w Centrum Nauk Biologiczno-Chemicznych i na Wydziale Chemii. Jego badania koncentrują się na biologii obliczeniowej, ze szczególnym uwzględnieniem metod opartych na sztucznej inteligencji w modelowaniu białek i projektowaniu leków. Posiada praktyczne doświadczenie w sektorze biotechnologicznym, gdzie prowadził projekty z zakresu modelowania i projektowania, łączące środowisko akademickie z zastosowaniami przemysłowymi. Interesuje się również szerszymi konsekwencjami rozwoju inteligentnych systemów dla nauki i społeczeństwa.