Strona główna

Opis stanowiska

Opis projektu

AML jest najczęściej występującą postacią ostrej białaczki u osób dorosłych: odpowiada za 62% wszystkich zgonów spowodowanych białaczką i zajmuje najgorsze miejsce pod względem pięcioletniego przeżycia według typu nowotworu, po nowotworach trzustki, płuc, wątroby i przełyku. Uznaje się, że istnieje populacja białaczkowych komórek macierzystych (LSC), które są bardziej odporne na chemioterapię i mogą prowadzić do nawrotu choroby.

APE1 jest niezbędnym enzymem w szlaku naprawy DNA przez wycinanie zasad (BER), który jest odpowiedzialny za naprawę zarówno jądrowych, jak i mitochondrialnych uszkodzeń oksydacyjnych DNA. APE1 jest importowany do mitochondriów w warunkach stresu oksydacyjnego, a szlakiem odpowiedzialnym za wejście APE1 do mitochondrialnej przestrzeni międzybłonowej (IMS) jest szlak MIA (Mitochondrial Intermembrane Space Assembly. Mia40 i ALR reprezentują centralne elementy szlaku MIA, które wykorzystują system redoks do kierowania białek bogatych w cysteinę do przedziału mitochondrialnego.

W ramach projektu planowane jest opracowanie innowacyjnej strategii selektywnego niszczenia LSC opornych na terapię poprzez hamowanie szlaku MIA. Aby osiągnąć ten cel, zamierzamy zastosować dwie równoległe strategie hamowania szlaku MIA: podejście oparte na peptydach hamujących Mia40 oraz podejście do badań przesiewowych leków in silico w celu opracowania modulatorów małocząsteczkowych.

Projekt ten poszerzy naszą wiedzę na temat roli szlaku MIA w zachowaniu komórek nowotworowych oraz jego roli w metabolicznym przeprogramowaniu komórek AML opornych na terapię, kładąc podwaliny pod rozwój alternatywnych lub pomocniczych sposobów leczenia tego agresywnego nowotworu

Zakres zadań:

Wybrany kandydat będzie zajmował się wszystkimi zadaniami przesiewowymi  i modelowania molekularnego oraz udziałem w planowaniu/prowadzeniu bezpośrednich testów eksperymentalnych. Szczególny nacisk zostanie położony na umiejętności modelowania molekularnego danych, techniki przygotowania i prowadzenia obróbki danych metodami wrangling (pozyskiwanie i filtrowanie danych). Kandydat posługuje się technikami obliczeniowymi, takimi jak dokowanie molekularne, mechanika molekularna i symulacje dynamiki. Na koniec będzie tworzyć i testować modele ML/DL.

Wymagania

Wcześniejsze doświadczenie zdobyte podczas studiów doktoranckich i/lub post-doc w zakresie bioinformatyki i badań strukturalnych.

Dodatkowe wymagane umiejętności:

• Umiejętność programowania (Python i/lub R)
• Znajomość podstaw chemii i/lub chemii obliczeniowej.
• Umiejętności cheminformatyczne (rdkit, openbabel, knime, itp.) będą dodatkowym atutem.
• Dodatkowym atutem będzie podstawowa znajomość frameworków ML/DL (Tensorflow i/lub PyTorch).

Przewidywana średnia wysokość stypendium: 10 000 zł/miesiąc (brutto/brutto) przez okres 18 miesięcy z możliwością przedłużenia.