Missions

La personne recrutée aura pour mission de développer un modèle in silico de l’inflammation et proposer des stratégies de calibration basées sur l’utilisation d'apprentissage automatique.

Activités

Activités Principales:
- Concevoir et élaborer la structure du système d'information permettant de collecter, structurer, stocker et mettre en relation les données in silico et in vivo,
- Modéliser les processus de la réponse inflammatoire, proposer et développer des stratégies de calibration du modèle en utilisant des données biologiques,
- Proposer et co-développer des protocoles expérimentaux permettant la validation du modèle,
- Diffuser et valoriser les résultats et réalisations technologiques sous forme de rapports, brevets, publications et présentations orales,
- Assurer et organiser la veille scientifique et technologique dans son domaine d'activité.
Activités associées:
- Mettre en forme et synthétiser ses résultats dans le but de les diffuser (grand public, journaux scientifiques, congrès, nationaux et internationaux),
- Garantir la qualité et la pertinence des outils d’analyse et des résultats,
- Coordonner et planifier les différentes phases du projet de recherche, participer à l’encadrement de stagiaires et à l’accompagnement méthodologique des différents projets de l’équipe.

Compétences

- Connaissances approfondies en programmation informatique pour l’analyse de données (python) et en apprentissage automatique
- Connaissance en modélisation (en particulier modélisation basée agents)
- Des connaissances des processus biologiques seront fortement appréciées,
- Connaissance des règles d’hygiène et de sécurité,
- Esprit d’équipe, Rigueur, Esprit d’initiative, Autonomie.

Contexte de travail

Dans ce projet, nous souhaitons modéliser in sillico la réponse inflammatoire et comprendre comment cette réponse est altérée avec l’âge, notamment au travers du rôle des cellules stromales mésenchymateuses (CSM). La nature de cette réponse inflammatoire conditionne l’issue de la réparation tissulaire et l’obtention ou non de la régénération tissulaire.
Nous avons pour cela développé un premier modèle informatique basé sur des agents (macrophages dans un environnement 2D) et modélisant leurs interactions. Ce modèle devra être complété afin de prendre en compte de nouveaux types cellulaires, en particulier les CSM et leurs interactions avec les autres cellules et l’environnement. La calibration temporelle et l’analyse de sensibilité des paramètres régissant ces interactions permettront d’identifier les paramètres clés responsables de la dysfonction de la réponse inflammatoire avec l’âge. Du fait de la complexité du modèle, nous proposons de développer une stratégie de calibration et d’analyse de sensibilité originale se basant sur l’utilisation de modèles de Machine Learning et de techniques d’explicabilité de dernière génération (en particulier les valeurs de SHAP). Les hypothèses issues de ce modèle seront ensuite validées in vivo. Ce travail, visant à générer un outil prédictif de la réponse inflammatoire, ouvrira la voie à de nouvelles approches thérapeutiques pour induire la régénération des tissus chez les mammifères adultes.

Contraintes et risques

Activités de recherche sur 3 sites différents (Université Toulouse Capitole, Bâtiment INCERE site Langlade et département odontologie Rangueil)