(H/F) Chercheur·se postdoctorant·e en apprentissage automatique sur graphes pour la morphogenèse embryonnaire

Description du Poste

Les Missions

Le ou la candidat·e recruté·e développera des approches d’apprentissage automatique et de modélisation computationnelle pour comprendre comment des états cellulaires bruités et hétérogènes produisent des comportements collectifs reproductibles au cours de la morphogenèse embryonnaire.
Le projet visera en particulier à inférer des interactions effectives entre cellules à partir de données dynamiques multimodales, combinant selon les cas imagerie du développement, segmentation et suivi cellulaire, information de lignage, données transcriptomiques unicellulaires ou spatiales, et modèles biophysiques de tissus.
Une idée centrale du projet est de représenter les tissus embryonnaires comme des systèmes dynamiques de cellules en interaction, où les relations spatiales, mécaniques ou moléculaires entre cellules peuvent être décrites par des graphes évoluant au cours du temps. Le ou la postdoctorant·e développera des méthodes permettant de relier ces graphes cellulaires aux états internes des cellules et aux événements collectifs observés, tels que changements de destin cellulaire, mouvements coordonnés, réarrangements de voisinage ou déformations tissulaires.
Le projet s’inscrit à l’interface entre apprentissage automatique sur graphes, inférence d’interactions cachées, modélisation stochastique, biophysique de la morphogenèse et analyse de données biologiques spatio-temporelles.

L'Activité

Les activités principales seront de :
• Construire des représentations computationnelles de tissus embryonnaires à partir de données d’imagerie, de segmentation, de suivi cellulaire et, lorsque disponibles, de données moléculaires ou transcriptomiques.
• Représenter les systèmes multicellulaires sous forme de graphes dynamiques.
• Développer et évaluer des méthodes d’apprentissage automatique sur graphes, notamment des réseaux de neurones sur graphes ou modèles apparentés, pour inférer des interactions effectives entre cellules.
• Étudier le rôle du bruit, de la stochasticité et des fluctuations internes dans l’émergence de comportements collectifs robustes.
• Développer des approches permettant d’identifier ou de prédire des événements rares ou localisés dans les dynamiques cellulaires, par exemple transitions de destin, réarrangements de voisinage, contractions locales ou changements de dynamique collective.
• Comparer des modèles purement appris à des modèles plus contraints par la biologie et la physique, afin d’identifier les interactions minimales nécessaires pour reproduire les dynamiques observées.
• Interagir avec des jeux de données issus de collaborations expérimentales, notamment en imagerie embryonnaire, dynamique collective cellulaire ou atlas moléculaires.
• Contribuer à l’intégration des approches développées avec les modèles biophysiques existants dans l’équipe, en particulier des modèles de mécanique tissulaire, d’inférence de forces ou de simulations multicellulaires.
• Mettre en place des pipelines reproductibles pour le traitement des données, l’entraînement de modèles, l’évaluation quantitative, la visualisation et la documentation.
• Participer à la valorisation scientifique du projet : présentations, figures, rédaction d’articles, diffusion de codes et interactions avec les collaborateurs.

Votre Profil

Compétences

Compétences indispensables
• Doctorat en physique théorique, informatique ou mathématiques appliquées.
• Solide expérience en apprentissage automatique appliqué à des données complexes, bruitées ou de grande dimension.
• Expérience en apprentissage automatique sur graphes, réseaux de neurones sur graphes, graphes dynamiques.
• Très bonnes compétences en programmation scientifique, idéalement en Python.
• Expérience avec au moins un environnement moderne de machine learning scientifique : PyTorch, JAX, PyTorch Geometric, ou équivalent.
• Capacité à développer, entraîner, comparer et valider des modèles sur des données complexes.
• Expérience en développement logiciel scientifique : Git, environnements reproductibles, tests, documentation, packaging, gestion d’expériences numériques.
• Expérience ou intérêt pour le calcul haute performance, GPU, clusters de calcul ou traitement de grands volumes de données.
• Intérêt pour le développement d’outils robustes, lisibles, partagés et reproductibles.
• Maîtrise de l’anglais scientifique, à l’écrit comme à l’oral.
• Capacité à travailler dans un environnement interdisciplinaire associant biologie, physique, mathématiques appliquées et intelligence artificielle.
Compétences particulièrement appréciées
• Expérience en inférence d’événements rares, apprentissage sur données déséquilibrées ou identification de signaux faibles dans des données bruitées.
• Expérience en modélisation probabiliste, modèles génératifs, modèles à variables latentes, inférence bayésienne, processus stochastiques ou systèmes dynamiques.
• Expérience avec des données spatio-temporelles, trajectoires, graphes évolutifs, séries temporelles multidimensionnelles ou données de grande dimension.
• Intérêt pour la biologie du développement, la morphogenèse, la biophysique cellulaire, la mécanique des tissus ou les systèmes actifs.
• Expérience avec des données d’imagerie biologique, segmentation, suivi cellulaire, transcriptomique unicellulaire, transcriptomique spatiale ou intégration multimodale.
Savoir-être
• Goût prononcé pour le travail interdisciplinaire.
• Autonomie, rigueur, curiosité scientifique et capacité à explorer des directions nouvelles.
• Bonnes capacités de communication scientifique à l’écrit comme à l’oral.

Votre Environnement de Travail

Le ou la candidat·e rejoindra l’équipe Multiscale Physics of Morphogenesis, dirigée par Hervé Turlier, au Centre de Biologie Intégrative de Toulouse, CNRS UMR5077 / Université de Toulouse.
Le projet bénéficiera d’un environnement fortement interdisciplinaire, au contact de biologistes, physicien·nes, mathématicien·nes appliqué·es et spécialistes de l’intelligence artificielle. Le ou la postdoctorant·e aura accès aux ressources de calcul de l’équipe, aux infrastructures du laboratoire et à un réseau de collaborations nationales et internationales.
L’équipe s’engage à offrir un environnement de travail bienveillant, inclusif et ouvert à la diversité des parcours scientifiques.
Aucun risque particulier identifié.
Temps complet. Télétravail possible selon les règles en vigueur et l’organisation du projet.

Rémunération et avantages

Rémunération

entre 3041€ et 3467€ brut mensuel selon expérience

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche