Ingénieur d’Etude ou Ingénieur de Recherche en Neurosciences Computationnelles et Transcriptomique

 CDD · IR  · 24 mois (renouvelable)    Bac+5 / Master   Lyon Est (SBRI Inserm U1208/HCL-INRIA Equipe AIstroSight/ Labex CORTEX bioinformatics platform) · Bron (France)  2350 euros net (modulable selon CV)

 Date de prise de poste : 1 novembre 2024

Mots-Clés

machine/deep learning, transcriptomique spatiale, signatures transcriptionnelles, communication cellulaire, cerveau

Description

À propos du projet : Notre projet vise à développer et raffiner des workflows d’analyse de données de transcriptomique unicellulaire/spatiale à l’aide d’approches de machine/deep learning, fournissant ainsi de nouvelles perspectives sur l’étude des interactions cellulaires au sein du cerveau. Cette recherche innovante contribuera de manière significative à la compréhension des maladies neurologiques et à l'identification de biomarqueurs potentiels pour de futurs traitements thérapeutiques.

Responsabilités principales :

  • Raffinement et application de scripts d'analyse existants pour le contrôle qualité des jeux de données, le clustering, l'identification des signatures transcriptionnelles, et l'identification des processus biologiques associés.
  • Mise en œuvre des outils de machine/deep learning pour automatiser et raffiner certaines étapes du workflow d’analyse (ex. contrastive learning pour l’integration des batchs, extraction de trajectoires de maturation).
  • Intégration de jeux de données propriétaires et publics provenant de souris et d'humains au fur et à mesure de leur disponibilité et contribuer à la production de jeux de données originaux de transcriptomique spatiale à haute résolution.
  • Développement de méthodes innovantes pour l'inférence des interactions cellulaires basées sur les complémentarités métaboliques et l'organisation spatiale des astrocytes par rapport aux neurones.

Qualifications :

  • Formation et expérience :
    • Un Master ou un doctorat en bioinformatique, biologie computationnelle, neurosciences, informatique ou un domaine connexe.
    • Une expérience dans l'analyse des données de séquençage d'ARN unicellulaire et de transcriptomique spatiale est fortement souhaitée.
  • Compétences techniques :
    • Maîtrise de Python (ou R).
    • Expérience avec les cadres et outils de machine learning. Une expérience préalable des outils et bases de données bioinformatiques pertinents pour la transcriptomique sera un plus.
  • Compétences analytiques et de résolution de problèmes :
    • Solides compétences analytiques avec la capacité d'interpréter des données biologiques complexes.
    • Capacité créative à résoudre des problèmes pour développer de nouvelles approches d'analyse de données.
  • Communication et travail d'équipe :
    • Excellentes compétences en communication pour collaborer efficacement avec des experts dans la production de jeux de données de transcriptomique unicellulaire/spatial et des experts en neurosciences computationnelles et analyse de données
    • Capacité à présenter clairement les résultats et les méthodologies à des publics techniques et non techniques.

Ce que nous offrons :

  • Environnement innovant :
    • Faites partie d'un projet de pointe à l'intersection des neurosciences computationnelles et de la transcriptomique.
    • Opportunités de contribuer à des recherches ayant un impact significatif sur la compréhension et le traitement des maladies neurologiques.
  • Développement professionnel :
    • Travailler aux côtés d'experts renommés dans le domaine.
    • Accès à des installations et des ressources de pointe.
  • Culture collaborative :
    • S'engager dans un environnement de travail collaboratif.

Opportunités d'apprentissage et de développement professionnel continus.

Candidature

Procédure : Les candidats intéressés doivent soumettre leur CV, lettre de motivation et références à hugues.berry@inria.fr, guillaume.marcy@univ-lyon1.fr, olivier.raineteau@inserm.fr

Date limite : 15 septembre 2024

Contacts

Guillaume Marcy

 guNOSPAMillaume.marcy@univ-lyon1.fr

Offre publiée le 22 juillet 2024, affichage jusqu'au 15 septembre 2024