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

Laboratorium Biologii Obliczeniowej

15 07 2022

O Grupie:

Łączymy biologię, informatykę i sztuczną inteligencję, by lepiej zrozumieć trójwymiarową strukturę biomolekuł oraz sposób, w jaki zmieniają się i oddziałują w czasie. Naszym celem jest nie tylko analiza, ale też aktywne wspieranie odkryć biologicznych i projektowania nowych leków.

W naszej pracy wykorzystujemy nowoczesne metody biologii obliczeniowej, bioinformatyki i chemoinformatyki. Skupiamy się na zastosowaniu uczenia maszynowego i głębokiego uczenia (deep learning) do przewidywania struktur białek, RNA oraz ich oddziaływań z innymi cząsteczkami. Korzystamy z uznanych rozwiązań, takich jak AlphaFold, ale też tworzymy własne innowacyjne narzędzia – np. CABS-flex 3.0 (do szybkiego modelowania elastyczności białek), Aggrescan4D (do przewidywania agregacji białek na podstawie struktury przestrzennej) oraz CABS-dock (do molekularnego dokowania kompleksów białko–peptyd bez znajomości miejsca wiązania).

Rozwijamy także metody dokowania molekularnego i wspieramy racjonalne projektowanie leków celujących w konkretne białka i RNA.

Jesteśmy otwarci na współpracę – zarówno w ramach projektów badawczych, jak i eksperymentalnych. Chętnie angażujemy się w inicjatywy interdyscyplinarne, łączące nauki przyrodnicze, informatyczne i medyczne.

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.