Post-doctorat (h/f) en développement de méthodes d'apprentissage automatique pour les données omiques unicellulaires

Le séquençage à haut débit de cellules uniques, qui permet d'extraire d'énormes quantités de données moléculaires d'une cellule, crée des opportunités passionnantes pour l'apprentissage automatique afin d'aborder des questions biologiques en suspens. Le post-doctorant (H/F) qui sera recruté travaillera sur le développement d'une nouvelle méthode d'apprentissage automatique permettant d'inférer des mécanismes moléculaires à partir de l'intégration de données transcriptomiques spatiales et de données multi-omiques unicellulaires.
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 7 personnes : 5 doctorants, 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. Ce projet sera financé par l’Institut PRAIRIE (https://prairie-institute.fr/)

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 7 personnes : 5 doctorants, 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. Ce projet sera financé par l’Institut PRAIRIE (https://prairie-institute.fr/)
Contraintes et risques

Travail sur ordinateur

Travail sur ordinateur