Chercheur - Chercheuse en Apprentissage Machine pour la Génomique de la Réplication de l'Adn H/F CNRS

Description du Poste Les Missions Nous recrutons un chercheur/ une chercheuse postdoctoral pour rejoindre le projet RepliLand, une initiative interdisciplinaire à la croisée de la génomique, de l'intelligence artificielle et de la biophysique. Ce projet vise à élucider les mécanismes régissant l'initiation de la réplication de l'ADN chez les métazoaires en combinant l'apprentissage profond, les données épigénomiques et la modélisation mécanistique. La mission consiste à contribuer au développement de modèles prédictifs du paysage des probabilités d'initiation de la réplication (IPLS) à partir de données expérimentales limitées, avec des applications dans la recherche sur le cancer et la génomique inter-espèces.Contexte scientifique.\\La réplication de l'ADN est un processus biologique fondamental garantissant la transmission fidèle de l'information génétique lors de la division cellulaire. Dans les cellules eucaryotes, la réplication débute en plusieurs sites génomiques appelés origines de réplication, à partir desquels deux fourches de réplication se propagent dans des directions opposées. L'organisation spatiale et temporelle de l'activation des origines définit le programme de réplication, qui est à la fois spécifique au type cellulaire et sensible au contexte génomique et épigénomique. La régulation rigoureuse de ce processus reste à comprendre pleinement.Dans ce contexte, nous avons développé un modèle original dans lequel l'IPLS, c'est-à-dire la propension intrinsèque des loci génomiques à initier la réplication, associée à la dynamique de progression de la fourche, détermine entièrement les observables du programme de réplication, tels que les profils du temps moyen de réplication (MRT) et de la directionnalité de la fourche de réplication (RFD). Nous avons proposé une stratégie visant à entraîner un réseau neuronal pour déduire des IPLS à haute résolution à partir de données expérimentales de MRT et de RFD ; lorsqu'elles sont utilisées comme entrées du modèle, celles-ci reproduisent les profils de réplication expérimentaux avec une précision sans précédent, démontrant ainsi que l'IPLS est une représentation puissante et compacte du programme de réplication, qui rend compte du rôle régulateur clé du contexte épigénétique et génomique (Arbona, PLoS Comput. Biol. 2023).Cependant, l'application de cette approche est actuellement limitée par la rareté des ensembles de données de réplication à haute résolution, en particulier des profils RFD. Le projet vise à surmonter cette limitation en développant une nouvelle génération de modèles prédictifs capables de déduire l'IPLS directement à partir de données génomiques et épigénomiques largement disponibles. L'Activité De manière générale, le projet vise à développer des approches intégratives à la croisée de l'(épi)génomique, de l'apprentissage automatique et de la physique, afin de relever les principaux défis de la biologie quantitative moderne. Le candidat/la candidate retenu(e) sera chargé(e) de : - Développer et entraîner des modèles d'apprentissage profond (CNN, etc.) à partir de données afin de prédire les IPLS à partir d'ensembles de données multi-omiques (épigénomique, transcription, séquences). - À l'aide de l'apprentissage de la représentation (cadre de factorisation tensorielle, par exemple AVOCADO), étendre le cadre prédictif afin de permettre l'imputation dans des contextes où les données sont limitées, ainsi que l'apprentissage par transfert entre espèces, de l'humain à la souris et au-delà. - Appliquer des méthodes d'explicabilité pour extraire des informations biologiques à partir Votre Profil Compétences La sélection se fondera sur les critères scientifiques et techniques suivants : - Doctorat en biologie computationnelle, apprentissage automatique, bioinformatique ou dans un domaine connexe. - Maîtrise du langage de programmation Python. - Expérience avérée en apprentissage profond (PyTorch ou TensorFlow). - Une expérience préalable avec des données biologiques de haute dimension et des connaissances en (épi)génomique seront appréciées. - Capacité à travailler aussi bien de manière autonome qu'en équipe, dans un contexte interdisciplinaire à la croisée des sciences de l'information et des sciences de la vie. - Solides compétences en communication scientifique (écrite et orale) ; en particulier, d'excellentes capacités de rédaction et de communication en anglais sont requises. Votre Environnement de Travail L'IBDM situé sur le Campus de Luminy, comprend environ 220 personnes titulaires Chercheurs, Enseignants-Chercheurs, Ingénieurs et Techniciens et non permanents CDD, Post doc, Doctorants, stagiaires répartis sur 22 équipes de recherches et 11 plateaux techniques et services.L'IBDM est une unité mixte de recherche sous une tutelle du CNRS et de l'AMU, qui explore le domaine de la Biologie du développement et des pathologies qui y sont associées.L'activité s'exercera au sein de : l'équipe "Biologie computationnelle" dirigée par Bianca HABERMANN.Le laboratoire étant composé de plusieurs nationalités, la pratique de la langue anglaise est indispensable. Rémunération et avantages Rémunération A partir de 3 131,32€ brut Congés et RTT annuels 44 jours Pratique et Indemnisation du TT Pratique et indemnisation du TT Transport Prise en charge à 75% du coût et forfait mobilité durable jusqu'à 300€ À propos de l'offre Référence de l'offre UMR7288-AMBGUA-024 Section(s) CN / Domaine de recherche Organisation, expression, évolution des génomes À propos du CNRS Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d'associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement. Le CNRS Les métiers de la recherche