Informations générales
Intitulé de l'offre : Doctorat en machine learning & epigenomique (H/F)
Référence : UMR3244-CELVAL-003
Nombre de Postes : 1
Lieu de travail : PARIS 05
Date de publication : lundi 23 septembre 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 4 novembre 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Organisation, expression, évolution des génomes
Description du sujet de thèse
vec ce projet de thèse, nous proposons de construire des modèles d'apprentissage automatique capables de décrypter la régulation épigénomique des tumeurs du sein, de la glande mammaire saine aux tumeurs traitées par chimiothérapies. Pour ce faire, un ensemble de données épigénomiques unicellulaires internes de souris et de glandes mammaires humaines (non publiées) sera utilisé. Ces ensembles de données seront également complétés par une mesure d'accessibilité publique à l'ADN [5]. Nous allons d’abord former un modèle de classificateur d’apprentissage profond pour reconnaître les types de cellules composant la glande mammaire saine. Ensuite, à l’aide de méthodes d’apprentissage par transfert, nous entraînerons le modèle à identifier les cellules tumorales, à la fois naïves et traitées par chimiothérapie. Enfin, nous utiliserons le modèle d'évolution in silico pour identifier les changements épigénétiques clés responsables de la tumorigenèse et de la tolérance aux chimiothérapies. Ce projet sera mené en collaboration avec les biologistes du groupe pour la production de données et également la validation de prédictions dans des modèles mammaires (lignées cellulaires ou organoïdes).
Contexte de travail
L'équipe DEpiC est un groupe de recherche dynamique et créatif de l'UMR3244/Département Translational, Institut Curie (Paris, FR). Notre laboratoire vise à comprendre l’évolution épigénomique des tumeurs et à exploiter sa réversibilité pour améliorer la réponse aux soins standards et intercepter l’initiation de la tumeur. Nous avons acquis une expertise unique en épigénétique du cancer, en épigénétique unicellulaire et en séquençage de l’ARN, ainsi qu’en analyses bioinformatiques.