# Białka i biologia molekularna EN: **Proteins and molecular biology** · id `biomolecules` · aliases: computational biology, protein AI, biologia obliczeniowa, AI w biologii Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [AI w nauce](https://aiatlasgraph.com/t/aiscience.md) › Białka i biologia molekularna ## Description - PL: Uczenie maszynowe dla biocząsteczek: przewidywanie struktur i oddziaływań, projektowanie białek oraz modele językowe sekwencji białek i genomów. - EN: Machine learning for biomolecules: predicting structures and interactions, designing proteins, and language models of protein and genome sequences. ## In one sentence - PL: Modele, które odczytują i projektują cząsteczki życia: białka, DNA i ich wzajemne połączenia. - EN: Models that read and design the molecules of life: proteins, DNA and how they bind to each other. ## Problem it solves - PL: Ustalenie kształtu jednego białka w laboratorium potrafiło trwać latami, a od kształtu zależy, jak działa lek czy enzym. - EN: Working out the shape of a single protein in the lab could take years, and that shape decides how a drug or enzyme works. ## What it does - PL: Model uczy się na setkach tysięcy poznanych struktur, jak ciąg liter zamienia się w trójwymiarowy kształt. - EN: The model learns from hundreds of thousands of known structures how a string of letters turns into a three-dimensional shape. ## Everyday example - PL: Badaczka sprawdza w ogólnodostępnej bazie przewidywany kształt białka bakterii, zanim zaplanuje eksperyment z nowym antybiotykiem. - EN: A researcher looks up the predicted shape of a bacterial protein in a public database before planning an experiment with a new antibiotic. ## This concerns you if you… - PL: pracujesz w biotechnologii, farmacji lub medycynie - PL: chcesz zrozumieć, jak powstają nowe leki i szczepionki - EN: work in biotech, pharma or medicine - EN: want to understand how new drugs and vaccines are made ## Keywords AlphaFold · RoseTTAFold · ESM · OpenFold · Boltz · Protein Data Bank · ProteinMPNN · RFdiffusion · Evo 2 ## How it works - PL: Sekwencje aminokwasów lub nukleotydów traktuje się jak tekst, a struktury jak grafy lub chmury atomów. Modele łączą informację ewolucyjną (dopasowania wielu sekwencji albo osadzenia z modelu językowego) z modułami geometrycznymi; nowsze generują współrzędne atomów dyfuzją. - EN: Amino-acid or nucleotide sequences are treated like text, and structures as graphs or atom clouds. Models combine evolutionary information (multiple sequence alignments or language-model embeddings) with geometric modules; newer ones generate atom coordinates with diffusion. ## Limits - PL: Przewidziana struktura to statyczna hipoteza: słabo oddaje ruchliwość białek, fragmenty nieuporządkowane i wpływ środowiska. Dane strukturalne są obciążone tym, co łatwo zbadać; projekty wymagają syntezy i testów. - EN: A predicted structure is a static hypothesis: it poorly captures protein motion, disordered regions and environmental effects. Structural data is biased towards what is easy to measure; designs need synthesis and testing. ## Key terms - PL: **sekwencja aminokwasów**: Kolejność budulców białka zapisana jako ciąg liter. - PL: **MSA**: Zestawienie podobnych sekwencji z wielu organizmów, zdradzające, które fragmenty zmieniają się razem. - PL: **Protein Data Bank**: Publiczne archiwum doświadczalnie zbadanych struktur biocząsteczek. - EN: **amino-acid sequence**: The order of a protein's building blocks, written as a string of letters. - EN: **MSA**: Aligned similar sequences from many organisms, revealing which positions change together. - EN: **Protein Data Bank**: The public archive of experimentally determined biomolecular structures. ## Know first - [Enkoder, dekoder i enkoder–dekoder (BERT, GPT, T5) (Encoder-only, decoder-only and encoder–decoder models)](https://aiatlasgraph.com/t/transformerfamilies.md) - [Modele dyfuzyjne (Diffusion models)](https://aiatlasgraph.com/t/diffusion.md) ## Subtopics (5 direct, 5 in total) - [Modele bazowe pojedynczych komórek (Single-cell foundation models)](https://aiatlasgraph.com/t/singlecellfm.md): Transformers pretrained self-supervised on single-cell expression profiles, fine-tuned for annotation, integration and gene-network analysis. - [Modele językowe białek i genomów (Protein and genomic language models)](https://aiatlasgraph.com/t/bioseqmodels.md): Transformers and sequence models trained self-supervised on protein or DNA sequences; they yield embeddings, score mutations and generate new sequences. - [Projektowanie nowych białek (De novo protein design)](https://aiatlasgraph.com/t/proteindesign.md): Generating new protein backbones and sequences for a given function: target binders, symmetric assemblies and enzyme active sites. - [Przewidywanie struktury białek i kompleksów (Protein and biomolecular complex structure prediction)](https://aiatlasgraph.com/t/proteinstructure.md): Predicting the 3D structure of proteins from sequence and, in newer models, of whole complexes with DNA, RNA, small molecules and ions. - [Zero-shot ocena skutków mutacji w białkach (Zero-shot protein variant effect prediction with language models)](https://aiatlasgraph.com/t/varianteffect.md): Zero-shot scoring of amino-acid substitutions by comparing variant and wild-type likelihoods under a protein language model. ## Sources - [Computational protein design and protein structure prediction win Nobel Prize in Chemistry (EMBL)]() `nobel-chem-2024-embl` · by EMBL - [Accurate structure prediction of biomolecular interactions with AlphaFold 3]() `alphafold3-2024` · by Josh Abramson, Jonas Adler, Jack Dunger, Richard Evans i in. (Google DeepMind, Isomorphic Labs) - [facebookresearch/esm — Evolutionary Scale Modeling (ESM-2, ESMFold, ESM-IF1)]() `esm-github` · by Meta AI (FAIR); praca: Lin, Akin, Rao i in., Science 2023 --- AI Atlas revision 124 (2026-10-31) · HTML: https://aiatlasgraph.com/t/biomolecules · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30