Deux Post-Doctorat en Développement de Méthodes d'Apprentissage Automatique pour les Données Omiques Unicellulaires H/F

CNRS

Les technologies de séquençage à haut débit à cellule unique génèrent des volumes sans précédent de données moléculaires à résolution cellulaire, ouvrant de nouvelles voies pour l'application de l'apprentissage automatique aux problèmes biologiques fondamentaux. Les chercheurs postdoctoraux seront recrutés pour rejoindre l'équipe Machine Learning for Integrative Genomics de l'Institut Pasteur dans le cadre du ERC Starting Grant MULTI-viewCELL.
Un poste sera axé sur le développement de modèles de fondation multimodaux qui intègrent des omiques à cellule unique avec des informations spatio-temporelles. Le second poste portera sur développement d'un modèle de tissu virtuel, exploitant les données transcriptomiques spatiales et les approches théoriques des réseaux.
Activités
- conception d'une nouvelle méthode mathématique
- veille documentaire de publications pertinentes pour le domaine
- programmation/codage en Python (Pytorch)
- présentation des résultats obtenus en conférence
- interaction avec les membres de l'équipe et les collaborateurs internationaux
Compétences
Diplôme : Doctorat en informatique, en apprentissage automatique ou en biologie computationnelle
Nous attendons d'un candidat qu'il dispose d'une solide expérience en apprentissage automatique ou en statistiques. Le candidat doit également maîtriser des langages de programmation comme Python. La familiarité avec les données unicellulaires et l'expérience avec les méthodes et les logiciels existants pour les cellules uniques représenteraient un fort avantage. D'excellentes compétences en communication et un esprit d'équipe, ainsi qu'une capacité à travailler en autonomie sont essentiels. Un anglais courant, tant à l'oral qu'à l'écrit, est requis.
Contexte de travail

L'équipe Machine Learning for Integrative Genomics (https://research.pasteur.fr/en/team/machine-learning-for-integrative- genomics/) de l'Institut Pasteur, dirigée par Laura Cantini, travaille à l'interface de l'apprentissage automatique et de la biologie (outils développés par l'équipe : https://github.com/cantinilab). L'équipe est composée de 9 personnes : 4 doctorants, 3 post-doctorant, 1 Ingénieur de recherche et 1 assistante. L'équipe est associée au département de biologie computationnelle de l'Institut Pasteur, à l'UMR3738 et à l'Institut d'intelligence artificielle PRAIRIE. L'équipe a récemment remporté un financement ERC StG qui fait l'objet de ce recrutement.
Les personnes recrutées seront placées sous l'autorité hiérarchique de Laura Cantini.
L'équipe Machine Learning for Integrative Genomics (https://research.pasteur.fr/en/team/machine-learning-for-integrative- genomics/) de l'Institut Pasteur, dirigée par Laura Cantini, travaille à l'interface de l'apprentissage automatique et de la biologie (outils développés par l'équipe : https://github.com/cantinilab). L'équipe est composée de 9 personnes : 4 doctorants, 3 post-doctorant, 1 Ingénieur de recherche et 1 assistante. L'équipe est associée au département de biologie computationnelle de l'Institut Pasteur, à l'UMR3738 et à l'Institut d'intelligence artificielle PRAIRIE. L'équipe a récemment remporté un financement ERC StG qui fait l'objet de ce recrutement.
Les personnes recrutées seront placées sous l'autorité hiérarchique de Laura Cantini.
Contraintes et risques

Travail sur ordinateur
Travail sur ordinateur