Missions

L'ingénieur aura pour mission de développer un pipeline d'analyse d'images pour le profilage et la prédiction des changements phénotypiques induits par les médicaments dans les cultures cellulaires 2D et 3D.

Activités

L'ingénieur de recherche recruté sera responsable du développement de flux de travail d'analyse d'images qui utilisent à la fois des techniques d'analyse d'images basées sur l'apprentissage profond et des techniques d'analyse d'images classiques. Il/elle devra :

- Concevoir des développements technologiques partagés et innovants en collaboration avec nos partenaires de projet.
- Travailler sur l'avancement, la validation et l'intégration des méthodes trouvées dans la littérature.
- Diffuser et valoriser les résultats et les réalisations technologiques sous forme de rapports, de publications et de présentations orales.

Compétences

Nous recherchons une personne très motivée, passionnée par l'avancement de la science par le biais de la technologie, ayant un fort penchant pour le travail en équipe et d'excellentes aptitudes à la communication. Le candidat sélectionné doit posséder les compétences ou l'expérience suivantes:

- Maîtrise de la programmation Python.
- Maîtrise de l'utilisation de paquets python pour l'analyse d'images et l'apprentissage automatique (OpenCV, scikit-image, scikit-learn, pandas, etc.).
- Savoir utiliser des logiciels classiques d'analyse d'images (ImageJ/FIJI, Napari). Une expérience avec CellProfiler serait un plus.
- Maitrise de l'utilisation de frameworks d'apprentissage profond (Tensorflow/Keras ou PyTorch). Familiarité avec les concepts mathématiques utilisés dans la littérature sur l'apprentissage profond.
- Compréhension pratique des méthodes d'analyse de données multidimensionnelles (ACP, t-SNE, UMAP, apprentissage statistique, etc.).
- Connaissances en biologie cellulaire et moléculaire serait un plus.
- Une expérience préalable de l'analyse des séries chronologiques serait un atout.
- Anglais niveau C2 du cadre européen commun de référence pour les langues (CECRL)

Profil souhaité :

- Doctorat, maîtrise ou diplôme d'ingénieur en apprentissage automatique, informatique, bioinformatique, biostatistique ou ingénierie biomédicale.
- Savoir analyser des images biologiques ou biomédicales.
- Compétences organisationnelles et capacité à présenter des résultats scientifiques de manière claire et concise.
- Capacité à travailler en équipe, avec une grande capacité d'écoute et une aptitude à résoudre les problèmes de manière proactive.
- Savoir être autonome
- Intérêt pour les aspects méthodologiques de l'analyse d'images et de données.

Contexte de travail

L'ingénieur de recherche travaillera dans l'équipe Biologie Computationnelle et Bioinformatique de l'Institut de Biochimie Cellulaire et de Génétique (IBGC, CNRS) sous la direction de Macha Nikolski. Une forte collaboration est attendue avec les équipes travaillant sur l'acquisition des données.Nous travaillons en collaboration avec l'équipe Sibarita de l'Institut Interdisciplinaire des Neurosciences (IINS) et l'équipe Saltel de l'Institut de Cancérologie de Bordeaux (BRIC) pour établir une plateforme de criblage à haut contenu (HCS) pour la quantification assistée par apprentissage profond de l'hépatoxicité dans des modèles de culture cellulaire 3D. L'objectif principal de cette collaboration est le développement d'outils pour l'analyse d'images de cultures cellulaires 3D obtenues avec la plateforme de criblage à haut contenu basée sur soSPIM développée à l'IINS.
L'ingénieur travaillera en étroite collaboration avec l'équipe de l'IINS et les ingénieurs Deep Learning du PNRIA (Programme National de Recherche en IA) pour établir et valider des pipelines d'analyse d'images pour la quantification des effets des médicaments d'abord dans les cultures 2D et 3D. Nous prévoyons de montrer comment les caractéristiques extraites des noyaux individuels et des structures intracellulaires propres au tissu hépatique pourraient fournir des informations supplémentaires pour mieux caractériser les effets et la toxicité des médicaments sur les cultures de foie en 3D. Lorsque les images 3D seront disponibles grâce à l'installation HCS de l'IINS, l'ingénieur travaillera à la fois sur l'adaptation des techniques établies et sur le développement de nouvelles approches pour la caractérisation des images 3D des sphéroïdes hépatiques.