Missions

La candidate ou le candidat rejoindra la nouvelle équipe de recherche en IA dirigée par Daniele Raimondi pour contribuer au projet MENN (Réseaux de Neurones à Effets Mixtes).
Ses missions principales seront :
- Développer une nouvelle génération de modèles MENN pour interpréter le génome, combinant la flexibilité des réseaux de neurones avec la robustesse statistique des modèles linéaires à effets mixtes (LMMs).
- Appliquer ces modèles à la prédiction de phénotypes humains et végétaux, contribuant à des avancées en médecine et en agriculture.
- Collaborer avec les experts en bioinformatique et en inférence statistique afin de produire des modèles fiables, robustes et interprétables.
- Participer à la production scientifique, en contribuant à la validation des méthodes, à la rédaction d’articles et à la diffusion des résultats auprès de la communauté scientifique.
Cette mission place la personne au cœur d’un projet interdisciplinaire à l’interface de la génétique, de la bioinformatique, des statistiques et de l’intelligence artificielle, visant à répondre à une question centrale de la biologie : comment les variations génétiques déterminent-elles les phénotypes ?

Activités

- Se familiariser avec les recherches et méthodes existantes pour l’interprétation du génome : réseaux de neurones pour l’interprétation génétique (GI), modèles linéaires à effets mixtes (LMMs) et études d’association pangénomiques (GWAS).
- Explorer et comprendre les jeux de données issus du séquençage (WES/WGS).
- Développer, entraîner et évaluer des prototypes de Réseaux de Neurones à Effets Mixtes (MENN) sur des ensembles de données de séquençage, en commençant par des organismes modèles, puis en étendant l’analyse à la prédiction du risque de maladies chez l’humain.
- Développer et optimiser des architectures MENN pour l’analyse de données génomiques complexes et bruitées.
- Appliquer ces modèles à la prédiction de phénotypes humains et végétaux, avec des implications pour la médecine et l’agriculture.
- Collaborer au sein de l’équipe dirigée par Daniele Raimondi et combiner l’expertise en bioinformatique pour le développement de réseaux de neurones avec l’expertise en inférence statistique des LMMs (Dr. Bry et Dr. Trottier) pour produire des modèles fiables et interprétables.

Compétences

Nous recherchons une personne motivée et curieuse, passionnée par la science et l’innovation, souhaitant explorer de nouvelles méthodes d’intelligence artificielle appliquées à la génomique.
Compétences essentielles :
- Motivation, curiosité scientifique et goût pour l’innovation.
- Volonté d’apprendre en continu de nouvelles compétences, méthodes et concepts.
- Capacité à proposer des solutions face à des difficultés nouvelles et imprévues.
- Solide formation en réseaux de neurones, apprentissage automatique, algèbre linéaire et statistiques.
- Excellentes compétences en programmation Python et en calcul scientifique (PyTorch, scikit-learn, NumPy).
- Familiarité avec l’environnement GNU/Linux.
- Bonnes compétences en résolution de problèmes.
- Bonnes aptitudes en communication et en travail en équipe.
- Niveau d’anglais : B2 minimum.
Atouts appréciés :
- Connaissance des modèles linéaires/mixtes (LMMs).
- Notions en bioinformatique, en particulier GWAS, génétique des populations ou pipelines bioinformatiques.
- Expérience dans le traitement de données biologiques génomiques (séquençage d’exome complet ou de génome complet).

Contexte de travail

La candidate ou le candidat rejoindra la nouvelle équipe de recherche en IA dirigée par Daniele Raimondi au sein de l’Institut de Génétique Moléculaire de Montpellier (IGMM, UMR5535 CNRS/Université de Montpellier) pour un projet de 18 mois, avec un contrat initial de 13 mois.
L’IGMM est un institut multidisciplinaire dont les travaux ont un impact international, tant fondamental qu’appliqué, en biologie moléculaire et cellulaire (www.igmm.cnrs.fr
).
L’institut rassemble plus de 200 personnes (chercheurs, ingénieurs, techniciens et étudiants), organisées en 18 équipes de recherche, et bénéficie de services communs mutualisés avec d’autres unités du campus CNRS, ainsi que de plateformes technologiques et scientifiques performantes.