ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
Das Laboratory for Molecular Learning (LMol) untersucht, wie Proteinsequenz, -struktur und -dynamik biologische Funktionen kodieren. Durch die Kombination von computergestützter Biophysik mit Deep Learning und Proteinsprachmodellen entwickeln wir Methoden zum Verständnis, zur Vorhersage und zur Gestaltung von Proteinfunktionen. Unsere Arbeit umfasst grundlegende mechanistische Studien, die datengestützte Erforschung von Sequenz-Funktions-Beziehungen sowie das Proteindesign als Werkzeug zur Überprüfung und Erprobung biologischer Hypothesen. Wir arbeiten eng mit Gruppen aus der Strukturbiologie und experimentellen Gruppen am Institut für Biochemie und Molekularmedizin der Universität Bern zusammen.