dr inż. Michał Łaźniewski

Adiunkt

Biografia

Dr Michał Łaźniewski uzyskał tytuł doktora nauk farmaceutycznych pracą p.t „Application of molecular docking and homology modeling for the structural and functional analysis of proteins”. W trakcie swojej pracy doktorskiej pracował nad analizą skuteczności programów do dokowania molekularnego w przewidywaniu struktury kompleksów białko-ligand oraz ich energii wiązania. Ponadto określał strukturę i funkcję zarówno całych rodzin białkowych (jak rodzina DUF2319) jak i pojedynczych białek (np. C16orf57). W 2015 roku rozpoczął pracę w grupie prof. Plewczyńskiego podczas której zajmował się przewidywanie tropizmu gospodarza wirusa grypy na podstawie analizy powinowactwa między wirusowym białkiem Hemaglutyniną a wybranymi kwasami sialowymi. Praca ta wykonywana była w ramach grantu OPUS „Virtual High Throughput Screening (vHTS) derivation of a cross-immunity model for the Influenza-A Virus Infections” przyznanego prof. Plewczyńskiemu. Korzystając z technik dokowania molekularnego i dynamiki molekularnej przewidział rolę mutacji w szeregu białek (PARS2, COL12A1, TWINKLE) w rozwoju różnych chorób genetycznych. W ostatnich latach analizował rolę białka CTCF na tworzenie się struktury genomu ludzkiego, szczególnie w kontekście jej dziedziczenia. W tym celu w 2019 roku, dzięki finansowaniu uzyskanemu w ramach grantu MINIATURA, Dr. Łaźniewski odbył staż naukowy w Laboratorium Jacksona w USA.

Obszar badań

W najbliższym czasie w ramach pracy naukowej planuję realizować dwa wątki badawcze. Pierwszy z nich obejmuje przeprowadzenie bioinformatycznej analizy koronawirusowego białka spike (S) w celu identyfikacji takich szczepów z tej podrodziny, które mogą stanowić nowe zagrożenie dla populacji ludzkiej. W lipcu 2020 roku otrzymałem w ramach konkursu „IDUB against COVID-19” grant p.t. „Nietoperze jako źródło nowych szczepów wirusów z podrodziny Coronoviridae stanowiących zagrożenie dla populacji ludzkiej”. W ramach tego grantu, planuję wykonanie dwóch większych działań. Pierwsze obejmuje zaproponowanie modelu opartego o sieci neuronowe, umożliwiającego przesiewową analizę powinowactwa wirusowego białka S do receptorów gospodarza z wybranych organizmów. Proponowany klasyfikator trenowany będzie dwuetapowo. W pierwszym kroku zostanie zaproponowany klasyfikator bardziej ogólny, którego celem będzie rozpoznawania oddziałujących ze sobą białek. Następnie zostanie od dotrenowany, tak by uzyskał większą czułość i specyficzność dla białek koronawirusa. Dla zidentyfikowanych w ten sposób szczepów, których białka S mogą wiązać się z białkami ludzkimi, zastosuję metody MM-PBSA i ważonych histogramów do dokładnego obliczenia energii wiązania kompleksu. W tym celu przeprowadzę symulację dynamiki molekularnej w oparciu o struktury krystaliczne wybranych białek, a jeśli nie będzie to możliwe, o zaproponowane dla nich modele homologiczne.

W ramach powstającej w CEZAMAT Platformy Genomiki PW planuję analizować również rolę struktury przestrzennej genomu u osób zdrowych jak i chorych. Badania z ostatnich lat wskazują, że obok cech 1D, takich jak modyfikacje histonów lub przyłączanie się konkretnych białek do DNA, również przestrzenne ułożenie chromatyny ma znaczenie na przykład w rozwoju chorób genetycznych. Jednak wraz z postępami technicznymi w tej gwałtownie rozwijającej się dziedziny pojawia się szereg intrygujących pytań, na które odpowiedź można uzyskać poprzez przeprowadzenie pogłębionej bioinformatycznej analizy już dostępnych danych. Jedno z takich pytań dotyczy dziedziczenia struktury genomu oraz jej zmienności w ramach różnych populacji ludzkich. Konsorcjum 4DN, którego jestem członkiem, udostępniło wyniki szeregu eksperymentów różnego typu (Hi-C, ChIA-PET, GAM), które można wykorzystać, aby udzielić odpowiedzi na to pytanie. Kolejne wątpliwości podnoszone są co do jakości uzyskiwanych przy pomocy technik sekwencjonowania typu „short-read” listy zmian w sekwencji DNA obserwowanych u poszczególnych osób. W przypadku insercji lub delecji dłuższych niż wynosi przeciętna długość odczytu uzyskiwanych przy pomocy sekwencjonowania typu „short-read”, wariant taki może nie zostać poprawnie zidentyfikowany. Jedynie zastosowanie technik typu „long-read”, jak na przykład metoda Nanopore, umożliwia ich identyfikacje. Z drugiej jednak strony techniki typu „log-read” obarczone są większym błędem w przy próbie identyfikacji mutacji punktowych. Tak więc w ramach mojej pracy w CEZAMAT postaram się połączyć wyniki eksperymentów obu typów w celu otrzymania jak najpełniejszego obrazu zmian w genomie wybranych osób.

Skip to content