W obszarze naszych zainteresowań jest rozwijanie aplikacji internetowych do projektowania leków w fazie przedklinicznej bazujących na systemach sztucznej inteligencji. We współpracy z Uniwersytetem w Zurichu zajmujemy się optymalizacją struktury projektowanych związków wiodących i ich właściwości w celu poprawy selektywności i minimalizacji niepożądanych reakcji polekowych. We współpracy z INSERM w Paryżu badamy ligandy selektywne funkcjonalnie (tzw. biased ligands) oraz makrokompleksy receptorów GPCR z GTPazami służące do przekazywania informacji do wnętrza komórki. Zajmujemy się również mechanizmami oporności na leki przeciwbakteryjne, przeciwwirusowe i przeciwnowotworowe wykorzystujących transportery SLC. Symulacje dynamiki molekularnej w skalach czasowych pozwalających na obserwację mechanizmów przekazywania sygnału są jednym z ważniejszych elementów naszych badań nad szlakami sygnałowymi i ich roli w fizjologii.

Our interests include developing web applications for preclinical drug design based on artificial intelligence systems. In cooperation with the University of Zurich, we optimize the structure of designed lead compounds and their properties to improve selectivity and minimize adverse drug reactions. In cooperation with INSERM in Paris, we study functionally selective ligands (so-called biased ligands) and macrocomplexes of GPCR receptors with GTPases used to transmit signals to the interior of the cell. We also decode the mechanisms of resistance to antibacterial, antiviral and anticancer drugs (SLC transporters). Molecular dynamics simulations in time scales allowing for observation of signal transduction in detail are one of the most important elements of our research on signaling pathways their role in human physiology.

GPCRVS to wydajna i prosta usługa internetowa open-source, która jako system wspomagania decyzji oparty na AI ma na celu ułatwienie testów fazy przedklinicznej dla leków ukierunkowanych na receptory GPCR wiążących peptydy i małe białka. GPCRVS przyspiesza projektowanie leków w następujących obszarach: w przewidywaniu selektywności leku, w przewidywaniu skuteczności leku w oparciu o aproksymację energii wiązania (Autodock Vina), w przyporządkowaniu klasy aktywności (klasyfikator wieloklasowy DNN w TensorFlow), w predykcji ustandaryzowanej aktywności biologicznej leków pChEMBL (regresor GBM w LightGBM) i w przewidywaniu sposobu wiązania leku z najważniejszymi resztami zaangażowanymi w interakcje lek-receptor.

GPCRVS is an efficient and simple open-source web service that, as an AI-based decision support system, aims to facilitate preclinical testing of drugs targeting peptide- and small protein-binding GPCRs. GPCRVS accelerates drug design in the following areas: drug selectivity prediction, drug efficacy prediction based on binding energy approximation (Autodock Vina), activity class assignment (DNN multiclass classifier in TensorFlow), pChEMBL-standardized biological activity prediction of drugs (GBM regressor in LightGBM) and prediction of drug binding mode with key residues involved in drug-receptor interactions.