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.