Mots-Clés

analyse de données machine learning R Python deep learning

Description

Mission principale.
L’ingénieur.e de Recherche Bioinformaticien.ne recruté.e participera au sein de l’IHU HealthAge à la
compréhension des mécanismes biologiques du vieillissement via l’identification de biomarqueurs moléculaires permettant de détecter et de manipuler les décompensations biologiques à un stade précoce, avant que ne se produisent les changements structurels conduisant au déclin fonctionnel et aux pathologies liées à l’âge.

L’une des missions de ce poste sera l’analyse intégrative de données multi-omiques (génomique, épigénomique, transcriptomique, métabolomique, protéomique...), afin d’identifier et d’interpréter des groupes de marqueurs « omiques » hautement corrélés à une pathologie donnée ainsi que d’identifier d’éventuels sous-types de cette pathologie. Dans une perspective de médecine personnalisée, l’objectif est de mieux modéliser l’étiologie de diverses pathologies et conditions liées au vieillissement, afin de mieux en prédire leur évolution, l’efficacité d’un traitement, voire d’identifier de nouvelles cibles thérapeutiques.

Activités principales.
- Analyser des données biologiques massives dans les domaines des sciences omiques (génomique,
épigénomique, métabolomique, transcriptomique, protéomique etc.)

- Appliquer des techniques avancées de machine learning et deep learning
- Programmer et développer des algorithmes d’analyse de données et de simulation
- Formuler des modèles mathématiques pour interpréter des mesures biologiques et fournir des
prédictions

Connaissances.
- Connaissances avancées des approches de bio-informatique pour l’analyse de données
- Expérience significative en data science/analysis, en particulier traitement de données omiques multi-
espèces
- Expérience significative en machine learning et deep learning (Support Vector Machine, Random
Forest, Convolutional Neural Networks etc.)
- Connaissances des différents langages de programmation (R, Python, SQL...)
- Maîtrise des outils de gestion de versions des codes source (git, GitLab)
- Connaissance des gestionnaires de workflow courants en bio-informatique (nextflow en priorité)
- Maîtrise des environnements Linux
- Expérience avec Slurm pour la gestion de clusters de calcul haute performance (HPC) appréciée
- Bonne connaissance des biostatistiques
- Connaissances générales en biologie cellulaire et moléculaire
- Expérience ou intérêt marqué pour la biologie computationnelle appliquée à la Géroscience
- Anglais niveau C1

Savoir-faire.
- Maîtrise des méthodes quantitatives d’analyse de grandes bases de données, savoir interpréter et
critiquer les résultats obtenus
- Capacité à communiquer en anglais : présentations orales, rédaction de rapports de synthèse et
d’articles scientifiques
- Capacité à réaliser une analyse bibliographique des outils informatiques
- Capacité à co-encadrer des étudiants sur des projets de recherche

Aptitudes.
- Candidat.e dynamique hautement motivé.e
- Intérêt et capacité au travail en équipe dans un environnement de recherche translationnelle
pluridisciplinaire incluant biologistes, épidémiologistes, bio-informaticiens, bio-statisticiens, cliniciens
- Rigueur et autonomie
- Aptitude pour les collaborations internationales
- Compétences organisationnelles : gestion du temps et des priorités
- Mobiliser des ressources et des savoirs hautement spécialisés dont certains sont à l’avant-garde du
savoir dans un domaine de travail ou d’études comme base d’une pensée originale
- Participer à la formation interne des membres du laboratoire aux méthodologies bio-informatiques
- Accompagner les équipes de recherche : conseils méthodologiques, aide à la rédaction d’articles ou de
demandes de financement
 

Niveau de diplôme et formation(s). Bac + 8 (éventuellement Bac +5 a minima). Master 2, diplôme d’ingénieur ou PhD en bio-informatique, biologie computationnelle ou équivalent. En l’absence de PhD, 1 à 2 ans d’expérience post-master en lien avec les activités.