Description du sujet de thèse

Le séquençage haut débit à cellule unique, qui extrait d’énormes quantités de données moléculaires d’une cellule, crée des opportunités passionnantes pour l’apprentissage automatique afin de répondre aux questions biologiques en suspens. Le doctorant, qui sera recruté dans le cadre de l’ERC StG MULTI-viewCELL, travaillera sur le développement de modèles de fondation multimodaux intégrant des données omiques multi-cellules ou des informations spatiotemporelles.

Activités réalisées dans le cadre du doctorat :
- conception d'une nouvelle méthode mathématique
- veille documentaire de publications pertinentes pour le domaine
- programmation/codage en Python (Pytorch)
- présentation des résultats obtenus en conférence
- interaction avec les membres de l’équipe et les collaborateurs internationaux

Contexte de travail

L'équipe Machine Learning for Integrative Genomics (https://research.pasteur.fr/en/team/machine-learning-for-integrative- genomics/) de l'Institut Pasteur, dirigée par Laura Cantini, travaille à l'interface de l'apprentissage automatique et de la biologie (outils développés par l'équipe : https://github.com/cantinilab). L’équipe est composée de 9 personnes : 4 doctorants, 3 post-doctorant, 1 Ingénieur de recherche et 1 assistante. L’équipe est associée au département de biologie computationnelle de l'Institut Pasteur, à l'UMR3738 et à l'Institut d'intelligence artificielle PRAIRIE. L’équipe a récemment remporté un financement ERC StG qui fait l'objet de ce recrutement.

MULTIview-CELL ERC StG :
https://www.ins2i.cnrs.fr/fr/cnrsinfo/laura-cantini-un-projet-erc-starting-grant-linterface-entre-apprentissage-automatique-et
https://research.pasteur.fr/en/project/multi-viewcell/

Contraintes et risques

Travail sur ordinateur