Le Deep learning pour optimiser l’analyse bioinformatique des données de métagénomique

 CDD · Thèse  · 36 mois    Bac+5 / Master   UMR ASTRE · Montpellier (France)

 Date de prise de poste : 1 novembre 2024

Mots-Clés

deep learning sequence clustering metagenomique shotgun virus

Description

Notre groupe applique la métagénomique à l'étude de l'écologie des viromes, principalement chez les moustiques et les humains. En outre, nous explorons l'utilisation de la métagénomique pour le diagnostic et la surveillance environnementale des virus. Dans ce contexte, nous travaillons dans l'amélioration des pipelines bioinformatiques appliqués à ces lignes de recherche. Le projet de thèse participera à ce dernier objectif par l'implémentation d'outils basés sur le Deep Learning dans nos pipelines. Plus spécifiquement, les deux objectifs principaux seront d'implémenter des outils pour le clustering de séquences virales et l'identification de l'hôte de nouveaux virus. De plus, le projet implique l'analyse des données générés dans le groupe ou dans des bases de données publiques avec les nouveaux outils.

Candidature

Procédure : Please send a letter of motivation, a CV and the names of 2 people that can be contacted for references to serafin.gutierrez@cirad.fr et ilka.engelmann@chu-montpellier.fr Candidature aussi à faire dans le site web de l'école doctorale: https://adum.fr/as/ed/voirproposition.pl?langue=fr&site=gaia&matricule_prop=56910

Date limite : 18 juin 2024

Contacts

Serafin Gutierrez

 seNOSPAMrafin.gutierrez@cirad.fr

 https://adum.fr/as/ed/voirproposition.pl?langue=fr&site=gaia&matricule_prop=56910

Offre publiée le 29 avril 2024, affichage jusqu'au 18 juin 2024