Missions

L'ingénieur sera responsable de la conception et de la mise en œuvre de pipelines avancés d'analyse d’imagerie cellulaire adaptés aux données de microscopie à fluorescence 2D ainsi que des données omiques..

Activités

- Développement d'algorithmes de segmentation pour les structures cellulaires et sous-cellulaires en utilisant des outils tels que StarDist et SAM.
- Construction de flux de travail pour l'extraction de caractéristiques intégrant des techniques classiques de traitement d'images (par exemple, PyRadiomics) avec des modèles d'apprentissage profond (par exemple, DINOv2 et Multiencoder Variational Autoencoders).
- Réalisation de profilages phénotypiques des cellules pour identifier les changements morphologiques en réponse à différentes conditions expérimentales..
- Collaboration avec des biologistes et des data scientists pour corréler les caractéristiques d'imagerie avec les fonctions biologiques et les résultats cliniques.
- Analyse et intégration des données omiques pour l'interprétation des phénotypes par des méthodes telles que les autoencodeurs.

Compétences

Le/la candidat(e) idéal(e) possédera un diplôme d'ingénieur ou un doctorat avec une spécialisation en intelligence artificielle (IA). Une connaissance en biologie sera considérée comme un atout.

Les compétences requises incluent :

- Expérience avérée en analyse d'images, en particulier dans la segmentation et l'extraction de caractéristiques à partir de données de microscopie à fluorescence.
- Maîtrise des langages de programmation tels que Python et R, avec une expérience des bibliothèques comme PyRadiomics, TensorFlow et PyTorch.
- Connaissances en techniques d'apprentissage automatique et d'apprentissage profond pour l'analyse d'images.
- Expérience approfondie en analyse statistique et en intégration de données.
- Expérience dans l'analyse et l'intégration de données omiques (génomique, transcriptomique, etc.) serait un plus.
- Capacité à travailler en collaboration dans un environnement interdisciplinaire et à communiquer efficacement avec des membres d'équipe issus de divers horizons scientifiques.
- Maîtrise de l'anglais écrit et parlé indispensable: niveau C2 du Cadre européen commun de référence pour les langues (CECRL)

Contexte de travail

Le projet est financé par l'ANR DeepHepatoScreen, garantissant l'accès à des ressources de pointe et à un environnement de recherche dynamique dédié à l'avancement de l'analyse computationnelle des données biologiques.

Le/la candidat(e) rejoindra l'équipe "Biologie computationnelle et bioinformatique" au sein du laboratoire IBGC (CNRS, Bordeaux, France) sous la direction de Dr Macha Nikolski. Ce projet fait partie d'une collaboration plus large avec l'Institut Interdisciplinaire de Neurosciences (IINS).

Le développement d'outils de profilage phénotypique pour les images cellulaires 2D joue un rôle crucial dans la compréhension des réponses cellulaires à divers stimuli, y compris les traitements médicamenteux. En s'appuyant sur la microscopie à fluorescence à haut contenu (high content screening), ce projet vise à affiner les flux de travail computationnels pour l'analyse des objets d'imagerie 2D, en se concentrant sur la morphologie des cellules et des organoïdes, les structures sous-cellulaires et les variations phénotypiques.
Ce travail s'appuie sur les méthodologies établies dans le cadre du projet financé par l'ANR "DeepHepatoScreen: Artificial intelligence for predicting 3D cultures development in high-content fluorescence microscopy", en étendant ses innovations aux modalités d'imagerie 2D. L'objectif est de créer des pipelines robustes et évolutifs pouvant être adaptés à divers contextes biologiques, facilitant ainsi la découverte de médicaments et l'analyse des comportements cellulaires.
Les données omiques, en complément des données d'imagerie, permettront de mieux comprendre les mécanismes sous-jacents des phénotypes observés. Ainsi, une mission supplémentaire pourra consister à travailler sur la mise en oeuvre de méthodes d'analyse et classification de ces données omiques.