Post-Doctorant Pourquoi les Prédicteurs de Structures Protéiques Produisent-Ils des Résultats Erronés avec une Forte Confiance Peut-On Anticiper ces Échecs H/F INRIA

Post-Doctorant F/H Pourquoi les prédicteurs de structures protéiques produisent-ils des résultats erronés avec une forte confiance ? Peut-on anticiper ces échecs ?

Type de contrat : CDD

Contrat renouvelable : Oui

Niveau de diplôme exigé : Thèse ou équivalent

Fonction : Post-Doctorant

A propos du centre ou de la direction fonctionnelle

L'Inria est l'Institut national de recherche en sciences du numérique, dont le centre Inria d'Université Côte d'Azur fait partie. Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d'Université Côte d'Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l'innovation. Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d'appui. Il est présent dans les domaines de l'intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l'ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santé... Le Centre Inria d'Université Côte d'Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

Contexte et atouts du poste

Les méthodes d'apprentissage profond ont profondément transformé la prédiction de structures protéiques. Cependant, les modèles actuels peuvent encore produire des structures physiquement irréalistes avec un niveau de confiance élevé. Ces échecs, appelés hallucinations, restent mal compris et soulèvent des questions fondamentales sur la fiabilité, l'interprétabilité et les limites des modèles de langage protéiques (protein language models, pLMs).

Ce projet vise à caractériser ces échecs et à développer des méthodes permettant de mieux les comprendre et de les anticiper. Il s'appuie notamment sur FLoPS, un jeu de données de prédictions erronées de modèles de langage protéiques, associé à des annotations de qualité physiquement fondées, obtenues à l'aide de la méthode abstraqt. Ces annotations fournissent des informations à l'échelle des résidus et des contacts, au-delà des métriques classiques fondées sur la comparaison à des structures de référence.

Le projet comporte deux axes complémentaires :

• Interprétabilité et explicabilité des modèles : identifier les caractéristiques des séquences, les mécanismes d'attention et les représentations internes associés aux hallucinations, afin de comprendre les mécanismes qui conduisent les modèles à produire des structures physiquement implausibles.

• Modélisation générative des structures protéiques : contribuer, selon les intérêts et l'expertise du candidat ou de la candidate, au développement d'une nouvelle architecture de prédiction de structures fondée sur le flow matching, visant à limiter la dépendance aux informations évolutives et à intégrer des mécanismes de formation structurale guidés par des principes physiques.

Objectifs principaux

• Développer une méthodologie systématique d'explicabilité des échecs des modèles de langage protéiques, fondée sur des annotations de plausibilité physique à l'échelle des résidus et des contacts.

• Identifier les caractéristiques d'entrée, les mécanismes internes et les représentations latentes associés aux hallucinations.

• Étudier la possibilité de détecter ou de prédire les échecs des modèles à partir de leurs signaux internes et de leurs sorties.

• Contribuer, en fonction du profil et des intérêts scientifiques, à la conception de modèles génératifs de structures protéiques fondés sur le flow matching et moins dépendants des informations évolutives.

Le poste est proposé au sein d'Inria Sophia Antipolis, sur la Côte d'Azur, dans un environnement de recherche interdisciplinaire à l'interface de l'apprentissage automatique, de la bioinformatique et de la biophysique. La personne recrutée bénéficiera d'un accès à des ressources de calcul locales et à Grid'5000, la plateforme nationale française de recherche expérimentale en informatique distribuée et en calcul intensif.

Atouts du poste : un sujet de recherche émergent à fort potentiel scientifique, l'accès à des données annotées selon des critères de plausibilité physique, la possibilité de développer des approches originales d'explicabilité des grands modèles neuronaux et une ouverture vers la modélisation générative des structures protéiques.

Mission confiée

La personne recrutée aura pour mission principale de piloter l'axe consacré à l'explicabilité des hallucinations des modèles de langage protéiques. Elle concevra et mettra en oeuvre des méthodes d'analyse permettant de relier les mécanismes internes des modèles à la qualité physique de leurs prédictions, en s'appuyant sur le jeu de données FLoPS et les annotations produites par abstraqt.

Elle définira les protocoles expérimentaux, conduira les analyses quantitatives et qualitatives, évaluera la robustesse des méthodes développées et contribuera à l'interprétation scientifique des résultats. Elle étudiera notamment les liens entre les propriétés des séquences d'entrée, les activations et mécanismes d'attention, les représentations latentes et les différents types d'échecs observés.

La personne recrutée assurera le pilotage scientifique et technique de ses travaux, de la conception des expériences à la valorisation des résultats. Elle contribuera à la rédaction de publications scientifiques et à la diffusion des méthodes et résultats, notamment par le développement de codes reproductibles.

En fonction de son expertise et de ses intérêts, elle pourra également participer, à titre exploratoire, au second axe du projet consacré au développement de prédicteurs de structures protéiques fondés sur le flow matching, en interaction avec les travaux de modélisation générative et de simulation moléculaire.

Collaboration et responsabilités

• Collaborer avec l'équipe de recherche sur la constitution, l'analyse et l'exploitation du jeu de données FLoPS.

• Développer et comparer des méthodes d'explicabilité adaptées aux modèles de langage protéiques et aux annotations de plausibilité physique.

• Concevoir des protocoles d'évaluation rigoureux et reproductibles pour identifier les mécanismes associés aux hallucinations.

• Participer aux échanges scientifiques interdisciplinaires entre apprentissage automatique, bioinformatique et biophysique.

• Contribuer, selon les compétences et les besoins du projet, aux développements méthodologiques autour du flow matching et de la prédiction de structures protéiques.

• Valoriser les résultats par des publications scientifiques, des présentations et, lorsque cela est possible, le partage de codes et de ressources reproductibles.

Références bibliographiques

[1] E. Sarti and F. Cazals. Fold or flop: quality assessment of AlphaFold predictions on whole proteomes. Bioinformatics Advances, 6(1), 2026, vbag190. DOI: 10.1093/bioadv/vbag190.

[2] E. Seçkin, D. Colinet, E. G. J. Danchin, and E. Sarti. Evaluating transformer-based models for structural characterization of orphan proteins. Bioinformatics Advances, 2026, vbag215.

Principales activités

• Analyse des données et des échecs des modèles : exploiter le jeu de données FLoPS et les annotations de qualité produites par abstraqt pour caractériser les hallucinations à l'échelle des résidus et des contacts.

• Développement de méthodes d'explicabilité : adapter et développer des méthodes d'attribution, d'analyse des mécanismes d'attention, de sondage des représentations (probing) et d'analyse des espaces latents des modèles de langage protéiques.

• Identification des mécanismes de défaillance : étudier les liens entre les caractéristiques des séquences, les représentations internes et les violations des contraintes de plausibilité physique.

• Détection et anticipation des hallucinations : évaluer la capacité des signaux internes et des méthodes d'explicabilité à identifier les prédictions peu fiables, notamment lorsque l'information évolutive est limitée.

• Évaluation expérimentale : concevoir des expériences comparatives, définir des métriques pertinentes, réaliser des analyses statistiques et vérifier la robustesse et la reproductibilité des résultats.

• Développement informatique et calcul scientifique : implémenter les méthodes en Python, principalement avec PyTorch, et exploiter les ressources de calcul disponibles, notamment pour les analyses à grande échelle.

• Valorisation scientifique : rédiger des articles, présenter les résultats lors de réunions et de conférences scientifiques, et contribuer à la diffusion de codes et de protocoles reproductibles.

• Contribution exploratoire à la modélisation générative : selon le profil, participer à la conception et à l'évaluation de modèles de prédiction de structures protéiques fondés sur le flow matching et intégrant des principes physiques de formation des structures.

Compétences

Profil recherché : doctorat, Anglais courant

Avantages

• Restauration subventionnée
• Transports publics remboursés partiellement
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)
• Accès à la formation professionnelle
• Sécurité sociale

Rémunération

Salaire: 2788 € brut mensuel

CDD de 12 mois