Data Scientist R&D Biologie Santé H/F Bio Logbook

Au sein de l'équipe R&D, vous participerez au développement et des futures générations des technologies Bio Logbook. Vous serez amené(e) à :

- Vous serez amener à manipuler des données cliniques et biologiques, issues de cohortes standardisées ou de données de vies réelles
- Explorer des approches multidimensionnelles, géométriques et topologiques permettant de mieux représenter les états biologiques ;
- Concevoir et évaluer de nouveaux modèles d'analyse exploitant les interactions entre paramètres biologiques ;
- Développer de nouvelles représentations de populations biologiques en grande dimension ;
- Contribuer au développement de la technologie Datascape ;
- Analyser de grandes cohortes issues de CHU, laboratoires de biologie médicale et projets collaboratifs ;
- Participer à l'intégration des nouvelles méthodologies dans les solutions logicielles Bio Logbook.

Recherche et valorisation scientifique
Ce poste comporte une forte dimension de recherche.
En lien avec les chercheurs, médecins, biologistes médicaux et partenaires académiques de Bio Logbook, vous contribuerez à :

- Réaliser des revues bibliographiques et états de l'art ;
- Proposer de nouvelles hypothèses scientifiques et méthodologiques ;
- Concevoir les protocoles d'évaluation nécessaires à leur validation ;
- Rédiger en autonomie des articles scientifiques destinés à des revues internationales à comité de lecture ;
- Présenter vos travaux lors de congrès scientifiques ;
- Contribuer à la valorisation des innovations développées.

Vous serez progressivement amené(e) à piloter vos propres projets de recherche, en interaction avec nos partenaires académiques et hospitaliers.

Diplômé(e) Bac +5, Doctorat ou expérience équivalente en :

- Data Science ;
- Mathématiques appliquées ;
- Statistiques ;
- Intelligence Artificielle ;
- Bioinformatique ;
- Biostatistiques ;
- Informatique scientifique.

Une expérience en recherche académique et/ou industrielle sera particulièrement appréciée.

Compétences recherchées
Sciences des données

- Statistiques avancées
- Analyse multivariée
- Machine Learning

Programmation :

- R
- SQL
- Git

Une expérience ou un intérêt pour

- Réduction de dimension ;
- Géométrie des données ;
- Théorie des graphes ;
- Analyse topologique des données (Topological Data Analysis) ;
- Données biomédicales.

Qualités attendues
Nous recherchons une personne :

- Passionnée par la recherche scientifique ;
- Curieuse et créative ;
- Rigoureuse et autonome ;
- Capable de conduire un projet scientifique de manière indépendante ;
- Disposant d'excellentes capacités d'analyse et de synthèse ;
- Capable de rédiger des publications scientifiques en anglais ;
- Appréciant le travail collaboratif avec des équipes pluridisciplinaires et des partenaires de recherche.

La capacité à produire des publications scientifiques de manière autonome constitue un critère important du poste.

Rejoignez Bio Logbook et contribuez à la médecine de précision de demain
Bio Logbook est une Start-Up DeepTech française qui développe de nouvelles méthodologies d'analyse des données biologiques afin d'améliorer la prévention, le diagnostic précoce et le suivi personnalisé des patients.

Notre ambition est de transformer l'interprétation des analyses biologiques afin de permettre une médecine plus personnalisée, plus précoce et plus prédictive.
Nos technologies propriétaires et brevetées permettent notamment :

- La détection des dérives biologiques précoces avant l'apparition d'anomalies classiques via une méthodologie brevetée ;
- La caractérisation multidimensionnelle de l'état biologique des patients grâce à la technologie Datascape.

Bio Logbook collabore avec des CHU, laboratoires de biologie médicale, universités, INSERM, CNRS et partenaires industriels, afin de développer des solutions innovantes à fort impact clinique et scientifique.

Des travaux de recherche déjà reconnus

Les méthodologies développées par Bio Logbook ont donné lieu à plusieurs publications et prépublications internationales :

- Clinica Chimica Acta, 2024 :A novel methodology for calculating optimized and personalized reference populations of biological parameters. Ces travaux portent sur la construction de populations de référence optimisées et personnalisées pour améliorer l'interprétation des paramètres biologiques.
- BioRxiv, 2026 :Distance-to-optimum biological drift as a new framework for interpreting routine laboratory results. Cette étude compare les dérives biologiques aux Reference Change Values sur 62 biomarqueurs de routine.
- MedRxiv - maladies inflammatoires chroniques de l'intestin : travaux consacrés à l'identification de marqueurs biologiques pronostiques afin de mieux anticiper le risque de rechute chez des patients atteints de la maladie de Crohn.
- Scientific Reports - Nature Portfolio, 2024 :Datascape: exploring heterogeneous dataspace. Cet article présente un cadre fondé sur le manifold learning, la théorie des graphes et la topologie pour représenter et explorer des jeux de données multidimensionnels hétérogènes : https://www.nature.com/articles/s41598-024-52493-7
- Briefings in Bioinformatics, 2026 :GEDO: Topology-based inference of gene module activity in Sjögren's disease. GEDO est une méthode fondée sur les graphes et la topologie permettant d'inférer l'activité de modules de gènes et de quantifier la transition entre des individus sains et des patients atteints de la maladie de Sjögren.