En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8197-AUGGEN-001 - Chercheur H/F en deep learning pour l'analyse dynamique de sequence de videomicroscopie

Chercheur H/F en deep learning pour l'analyse dynamique de sequence de videomicroscopie

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR8197-AUGGEN-001
Lieu de travail : PARIS 05
Date de publication : jeudi 2 janvier 2020
Type de contrat : CDD Scientifique
Durée du contrat : 30 mois
Date d'embauche prévue : 1 février 2020
Quotité de travail : Temps complet
Rémunération : entre 2365 € et 2971 € selon experience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

L'apprentissage profond a déjà permis à la communauté scientifique d'obtenir des résultats importants grâce à sa capacité exceptionnelle de reconnaissance des formes complexes dans de large base de données de diffèrent type et en particulier d'images. Couplé avec la robotique et la microscopie à haut débit, qui peuvent générer des centaines des millions d'images à partir d' expériences automatisées, notre laboratoire a montré qu'un modèle de réseau profond, correctement conçu et entrainé, permet de distinguer des phénotypes cellulaires visuels très subtiles que nous ne pouvions pas espérer distinguer il y a quelques années avec des algorithmes classiques d'analyse d'images. Alors que des projets de recherche dans d'autres champs ont été entrepris pour classer, annoter ou même générer des séquences de vidéo d'images naturelles, peu d'approche basées sur l'apprentissage profond ont jusqu'à présent été développées pour analyser les interactions complexes inhérentes au mouvement d'objets biologiques dans des séquences de vidéo microscopie.

Dans ce projet, nous visons à extraire des propriétés dynamiques de l'interaction entre différents types de cellules dans des séquences de videomicroscopie issus de l'observation de tumeur reconstitué ex vivo grâce à la technologie « tumor on chip » . Ceci nécessitera le développement de nouvelles approches basées sur l'apprentissage profond.

Notre laboratoire vise à la conception de méthodes en sciences des données. Ces données sont souvent constituées de grand jeu d'images ou de séquences génomiques liées à des questions scientifiques en biologie. Pour ce projet, nous travaillons en étroite collaboration avec des collègues biologistes et biophysiciens de l' Institut Curie situé dans la même rue qui ont mis en place un système microfluidique qui permet de reconstituer un microenvironnement tumoral ex-vivo. Notre objectif est d'établir ce système comme un moyen obtjectif d'étudier et de déchiffrer l'interaction complexe entre différents types de cellules au sein d'une tumeur afin de comprendre comment celle-ci se forme. En effet, nous visons à utiliser ce système pour développer de nouvelles voies d'immunothérapies contre le cancer du sein et du poumon.

Activités

Le candidat (H/F) sélectionné rejoindra notre laboratoire afin d'engager un travail de recherche visant à extraire les propriétés dynamiques de séquences de vidéos microscopie. Il/elle interagira avec les autres membres du laboratoire afin d'utiliser et augmenter ses connaissances en apprentissage profond au profit de son projet. Il/elle proposera des idées, des expériences numériques basées sur des données, puis des algorithmes ou des architectures réseau dans ce but. Il/elle sera également en charge de la rédaction d'un ou plusieurs manuscrits à soumettre à des revues internationale avec comité de lecture en informatique ou en biologie computationelle, décrivant une nouvelle méthode validée quantitativement.

Compétences

Le ou la candidate doit :
- être titulaire d'un doctorat dans l'une des discipline suivante : apprentissage numérique/profond / informatique / statistiques / mathématiques appliquées / analyse d'image.
- être rigoureux et organisé pour mener à bien son projet.
- pouvoir s'adapter aux contraintes inhérentes aux projets de recherche.
- être capable de travailler et d'être bienveillant avec ses collègues, partager ses connaissances et recevoir des conseils des autres membres de l'équipe.
- être disposé à écrire des manuscrits en anglais.

Une expérience antérieure liée à la biologie et / ou à la microscopie sera considérée comme un atout mais n'est pas requise.
Une expérience antérieure en apprentissage profond sera considérée comme un atout mais n'est pas requise.

Contexte de travail

Les recherches seront menées à l'Institut de Biologie de l'Ecole Normale Supérieure.
L'équipe d'accueil (Computational bioimaging & bioinformatics : https://www.ibens.ens.fr/spip.php?rubrique47 ), dirigé par Auguste Genovesio comprend environ 10 informaticiens. Le laboratoire fait partie du Centre de Biologie Computationnelle, un centre de recherche interdisciplinaire et international situé à l' Ecole Normale Supérieure de Paris. Les recherches du laboratoire concernent le développement d'algorithmes et de méthodes avancées d'analyse de données pour étudier la morphologie et la dynamique des cellules à grande échelle ainsi que des approches d'analyse en génomique fonctionnelle. L'École Normale Supérieure est une institution de recherche et un établissement d'enseignement public supérieure renommé situé sur la montagne sainte Geneviève, un quartier étudiant près du quartier Latin au centre de Paris, à proximité de nombreux moyens de transport en commun (RER, métro , bus).

Contraintes et risques

aucun

On en parle sur Twitter !