Ingénieur·e en modélisation de systèmes biologiques h/f

L'unité de recherche en Mathématiques et Informatique Appliquées de Toulouse (MIAT) développe des
méthodes mathématiques et des outils logiciels pour organiser et rendre accessibles les données biologiques
acquises à différentes échelles du vivant (du gène à l'agroécosystème), représenter leurs modes
d'organisation en modèles mathématiques et simuler leurs interactions au sein de systèmes complexes.
L'unité est composée de deux équipes de recherche et de trois équipes de service. Vous serez intégré dans
l'équipe de recherche SaAB (Statistique et Algorithmique pour la Biologie, 15 personnes), une équipe pluri-disciplinaire
(bio)informatique/statistique reconnue pour ses travaux en intelligence artificielle, dont les applications
scientifiques sont orientées principalement vers la biologie moléculaire, cellulaire et multi-cellulaire. En
pratique, les modèles d'apprentissage restent très demandeurs en données d'apprentissage, ce qui peut
limiter leur utilisation, en particulier aux échelles cellulaires. Des travaux récents suggèrent que les modèles
déterministes permettraient d'améliorer de façon importante les modèles d'apprentissage, en générant des
données simulées représentatives du comportement du système réel, et ce afin de limiter les données
mesurées nécessaires à l'apprentissage. A l'inverse, les modèles basés sur l'apprentissage sont rapides à
simuler et pourraient se substituer à tout ou une partie du modèle déterministe (plus gourmand en temps
de calcul) afin d'attaquer des problématiques de simulation en grande dimension, voire de simulations
hybrides où une partie de la population est simulée par le modèle déterministe, et une autre partie par le
modèle par apprentissage.
Votre mission sera de développer une thématique émergente dans l'équipe sur l'hybridation de modèles
mécanistes potentiellement multi-échelle et couplés à de l'apprentissage automatique. Vous serez en charge
du développement de modèles déterministes ayant des capacités de prédiction suffisamment
représentatives du système réel pour entraîner des modèles d'apprentissage, les interfacer avec (ou de les
substituer par) des modèles d'apprentissage pour aller vers de la modélisation/simulation hybride dans le
cadre de projets de recherche. En particulier vous développerez un ensemble de méthodes et d'outils
logiciels pour la construction, la calibration, la validation, la comparaison et l'évaluation des modèles
déterministes et hybrides. Vous travaillerez sur des problématiques finalisées d'intérêt de l'équipe en
collaboration avec les biologistes partenaires de l'équipe principalement en directement de :
- L'intégration de données omiques,
- Les relations génotypes - phénotypes (càd la caractérisation de la diversité génétique, la prédiction
des capacités des cellules/organismes à produire des composés d'intérêt ou à répondre à un stress
biotique ou abiotique)