Ingénieur d’Etude ou Ingénieur de Recherche en Neurosciences Computationnelles et Transcriptomique
KEY WORDS
deep learning, Python, bioinformatique
CITY
Lyon
COUNTRY
France
DETAILS OF THE OFFER
Working place: INRIA
Missions:
Notre projet vise à développer et raffiner des workflows d’analyse de données de transcriptomique unicellulaire/spatiale à l’aide d’approches de machine/deep learning, fournissant ainsi de nouvelles perspectives sur l’étude des interactions cellulaires au sein du cerveau. Cette recherche innovante contribuera de manière significative à la compréhension des maladies neurologiques et à l'identification de biomarqueurs potentiels pour de futurs traitements thérapeutiques.
Responsabilités principales :
Raffinement et application de scripts d'analyse existants pour le contrôle qualité des jeux de données, le clustering, l'identification des signatures transcriptionnelles, et l'identification des processus biologiques associés.
Mise en œuvre des outils de machine/deep learning pour automatiser et raffiner certaines étapes du workflow d’analyse (ex. contrastive learning pour l’integration des batchs, extraction de trajectoires de maturation).
Intégration de jeux de données propriétaires et publics provenant de souris et d'humains au fur et à mesure de leur disponibilité et contribuer à la production de jeux de données originaux de transcriptomique spatiale à haute résolution.
Développement de méthodes innovantes pour l'inférence des interactions cellulaires basées sur les complémentarités métaboliques et l'organisation spatiale des astrocytes par rapport aux neurones.
Qualifications:
Formation et expérience :
Un Master ou un doctorat en bioinformatique, biologie computationnelle, neurosciences, informatique ou un domaine connexe.
Une expérience dans l'analyse des données de séquençage d'ARN unicellulaire et de transcriptomique spatiale est fortement souhaitée.
Compétences techniques :
Maîtrise de Python (ou R).
Expérience avec les cadres et outils de machine learning. Une expérience préalable des outils et bases de données bioinformatiques pertinents pour la transcriptomique sera un plus.
Compétences analytiques et de résolution de problèmes :
Solides compétences analytiques avec la capacité d'interpréter des données biologiques complexes.
Capacité créative à résoudre des problèmes pour développer de nouvelles approches d'analyse de données.
Communication et travail d'équipe :
Excellentes compétences en communication pour collaborer efficacement avec des experts dans la production de jeux de données de transcriptomique unicellulaire/spatial et des experts en neurosciences computationnelles et analyse de données
Capacité à présenter clairement les résultats et les méthodologies à des publics techniques et non techniques.
