Postdoc H/F en Intelligence artificielle informée par la physique pour la modélisation à haute dimension du microenvironnement tumoral

Description du Poste

Les Missions

Modélisation mathématique et méthodes numériques
Développement de code
Présentation des résultats dans des revues à comité de lecture et lors de conférences

L'Activité

Le·la postdoctorant·e rejoindra le projet SIMAI, financé par le programme MIC de l’INSERM « Approches interdisciplinaires des processus oncogéniques et perspectives thérapeutiques : contributions des mathématiques et de l’informatique à l’oncologie ». Ce projet étudie la relation entre la modélisation physique et les données haute dimension, un domaine actif et en rapide évolution dans l’intelligence artificielle et l’apprentissage automatique.

Les approches théoriques bénéficieront des données de protéomique et de transcriptomique spatiales fournies par nos partenaires biologistes de l’IRCM, l’Institut de Recherche sur le Cancer de Montpellier. Notre objectif est de prédire la réponse du mélanome aux traitements par inhibiteurs de points de contrôle immunitaires (ICI).

Dans le cadre du projet SIMAI, des données multi-omiques seront utilisées pour construire des modèles 3D du microenvironnement tumoral (TME), qui représente un écosystème complexe de cellules de types variés interagissant de manière dynamique. Une meilleure compréhension de cet écosystème pourrait fournir des informations cruciales sur la progression de la maladie, notamment sur l’apparition de résistances aux traitements. Ce projet vise à créer une synergie entre intelligence artificielle (IA) et modèles mécanistes de l’hétérogénéité tumorale, combinant les forces des deux approches.

Le projet s’appuiera sur les travaux récents du laboratoire de Radulescu sur la reconstruction multidimensionnelle et multimodale du TME (Hodgkinson et al., 2022 ; Arslan et al., 2023 ; Kumar et al., 2024). Pour la modélisation mécaniste, nous utilisons un cadre de modélisation à l’échelle mésoscopique basé sur des équations aux dérivées partielles (EDP), intégrant la dynamique des populations avec le signal intracellulaire, le métabolisme et la régulation génétique dans un formalisme unifié. Cette approche modélise les densités cellulaires dans le temps, l’espace et les dimensions internes (structurelles) (Hodgkinson et al., 2022).

Dans la modélisation tumorale à l’échelle mésoscopique, le comportement des cellules est souvent régi par des EDP haute dimension, dans lesquelles les cellules sont caractérisées non seulement par leur position spatiale, mais aussi par des variables internes représentant l’état des voies de signalisation et métaboliques (Hodgkinson et al., 2022). Cette haute dimensionnalité pose des défis importants pour les méthodes numériques conventionnelles, telles que les schémas aux différences finies ou aux éléments finis, en raison de la croissance rapide du coût computationnel et des limitations associées en termes de stabilité et de précision.

Le·la postdoctorant·e étudiera l’utilisation des réseaux de neurones informés par la physique (PINNs) comme approche sans maillage, basée sur la collocation, pour résoudre ces EDP haute dimension, en évitant les grilles de discrétisation spatiale explicites. Pour l’inférence des paramètres à partir de données expérimentales, iel pourra employer des réseaux antagonistes génératifs informés par la physique (PI-GANs), qui intègrent les données d’observation avec les contraintes physiques régissant le système.

Votre Profil

Compétences

Solide formation théorique en équations aux dérivées partielles
Maîtrise des techniques d’intelligence artificielle
Excellente pratique de Python, Julia et MATLAB
Doctorat en mathématiques appliquées, informatique ou dans une discipline connexe

Votre Environnement de Travail

Le CSB au sein du LPHI est une équipe académique de premier plan spécialisée dans la modélisation multi-échelle des systèmes biologiques. Le groupe combine une expertise en modélisation mathématique, simulation de la dynamique cellulaire et tissulaire, approches d’apprentissage automatique pour la biologie prédictive, ainsi qu’une expertise biologique et clinique.

Des infrastructures sécurisées de stockage des données et de calcul sont disponibles à la fois au niveau de l’équipe et au niveau institutionnel. Au niveau de l’équipe, cela comprend un sous-réseau dédié avec accès via bastion SSH, permissions contrôlées par LDAP, et calculs exécutés sur des machines virtuelles pour assurer l’isolation et la gestion des ressources. Au niveau institutionnel, l’UM offre un stockage sécurisé, chiffré et auditable, entièrement conforme aux réglementations sur les données médicales (RGPD, HIPAA), ainsi que des ressources de calcul haute performance, incluant des GPU NVIDIA H100.

Rémunération et avantages

Rémunération

à partir de 3071.50€ brut mensuel ajustable selon experience

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