diff --git a/DOCS/BIOCOMP.md b/DOCS/BIOCOMP.md
index aa46ffa..5790113 100644
--- a/DOCS/BIOCOMP.md
+++ b/DOCS/BIOCOMP.md
@@ -1,14 +1,13 @@
 Dane wejściowe dotyczące biokomputingu zawierają informacje o molekułach, bramkach logicznych, systemach biologicznych i warunkach symulacji. 
 Cały proces przetwarzania danych wejściowych można podzielić na kilka głównych etapów:
 
-1. **Wczytanie i Parsowanie Danych Wejściowych**
-2. **Tworzenie Struktury Systemu Biologicznego**
-3. **Przygotowanie Symulacji**
-4. **Wykonanie i Wizualizacja Symulacji**
+1. Wczytanie i Parsowanie Danych Wejściowych
+2. Tworzenie Struktury Systemu Biologicznego
+3. Przygotowanie Symulacji
+4. Wykonanie i Wizualizacja Symulacji
 
 ### 1. Wczytanie i Parsowanie Danych Wejściowych
 
-**Algorytm**
 - Wczytaj dane wejściowe z pliku DSL.
 - Przeparsuj DSL za pomocą skonfigurowanego parsera (np. `pyparsing`).
 - Zweryfikuj poprawność i integralność danych wejściowych.
@@ -16,25 +15,18 @@ Cały proces przetwarzania danych wejściowych można podzielić na kilka głów
 
 ### 2. Parsowanie DSL
 
-**Algorytm**
 - Użyj parsera do przekształcenia tekstu DSL w struktury danych (molekuły, bramki logiczne, systemy biologiczne, symulacje).
 - Zweryfikuj poprawność i integralność parsed- danych na poziomie parsera.
-
-
-**Algorytm**
-- Na podstawie parsed- danych utwórz obiekty reprezentujące molekuły, bramki logiczne, systemy biologiczne i symulacje.
+- Na podstawie sparsowanych danych utwórz obiekty reprezentujące molekuły, bramki logiczne, systemy biologiczne i symulacje.
 - Przypisz właściwości dla każdego obiektu zgodnie z danymi wejściowymi.
 
+### 3. Wykonanie i Wizualizacja Symulacji
 
-
-### 4. Wykonanie i Wizualizacja Symulacji
-
-**Algorytm**
 - Wykonaj symulację na podstawie parametrów wejściowych (czas, temperatura, itd.).
 - Wygeneruj odpowiednie poziomy wyjściowe na podstawie modeli biokomputerowych (np. synteza białka).
 - Wyświetl wyniki jako wykres.
 
-**Implementacja Python**
+**Implementacja Symulacji w Python**
 
 ```python
 import matplotlib.pyplot as plt
@@ -65,7 +57,7 @@ def run_simulation(simulation):
 
 **Wzór Przetwarzania Danych Wejściowych:**
 
-- **Poziom Wyjściowy:** 
 \[ \text{output\_level} = \frac{\sin(t)}{2} + 0.5 \]
 
-Ten wzór jest przykładowym wzorem, który generuje synusoidalne zmiany poziomu wyjściowego w funkcji czasu. W rzeczywistej implementacji formuła ta będzie zastąpiona bardziej skomplikowanymi równaniami opartymi na modelach biochemicznych i biologicznych.
\ No newline at end of file
+Ten wzór jest przykładowym wzorem, który generuje synusoidalne zmiany poziomu wyjściowego w funkcji czasu. 
+W rzeczywistej implementacji formuła ta będzie zastąpiona bardziej skomplikowanymi równaniami opartymi na modelach biochemicznych i biologicznych.
\ No newline at end of file
diff --git a/README.md b/README.md
index 6399db3..6d6b9f9 100644
--- a/README.md
+++ b/README.md
@@ -146,9 +146,6 @@ python biocomp.py biocomp.yaml
 ```
 
 
-![obraz](https://github.com/user-attachments/assets/4f3edf66-756a-4844-a3fe-99c39f4d43dd)
-
-
 ## Przykłady
 
 Te przykłady obejmują różne konfiguracje dla różnych typów biologicznych układów logicznych. Przykłady obejmują różne typy bramek logicznych, takie jak "AND", "OR" i "NOT". Jeśli w twojej klasie `LogicGate` zostały zaimplementowane poprawne działanie dla tych bramek, to te przykłady powinny dawać odpowiednie wyniki na podstawie ustawionych warunków w plikach YAML.
@@ -160,7 +157,7 @@ Aby przetestować twoją aplikację z tą funkcjonalnością, należy zapisać k
 ### BioCompSystem1
 + [biocomp.yaml](1/biocomp.yaml)
 
-![bio_system_graph.png](1%2Fbio_system_graph.png)
+![bio_system_graph.png](1/bio_system_graph.png)
 
 ```py
 digraph {