En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant (h/f) en microscopie optique et apprentissage machine

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

Date Limite Candidature : lundi 11 juillet 2022

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 !

Informations générales

Référence : UMR7252-PIEBON-001
Lieu de travail : LIMOGES
Date de publication : lundi 20 juin 2022
Nom du responsable scientifique : Pierre Bon
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 3 octobre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Alors que l'utilisation de sondes fluorescentes permet une imagerie hautement spécifique d'un sous-ensemble précis de molécules de l'échantillon, il reste complexe d'extraire une information équivalente avec des approches d'imagerie sans marquage.
Nous développons une nouvelle approche d'imagerie sans marquage basée sur la mesure de la composante de phase de la lumière après interaction avec l'échantillon vivant (Bon et al., Biophys. J., 2014). Cette technique met en évidence tout ce qui n'est pas de l'eau dans l'échantillon et -couplée à de l'apprentissage machine- permet d'avoir une sélectivité d'un ensemble d'éléments intracellulaire. Cette approche est désormais suffisamment mature pour une utilisation dans le cadre de la caractérisation fonctionnelle d'échantillons biologiques vivants de la cellule adhérente jusqu'au tissu.
Le but de la thèse proposée est de permettre une acquisition routinière sur échantillons biologiques (pilotage, automatisation d'expérience et temps rééel) tout en poursuivant le développement des algorithmes d'apprentissage machine pour les rendre compatibles avec l'imagerie 3D. Cela permettant d'étudier le lignage et la sénescence de cellules sans avoir recours in fine au marquage fluorescent. Cette approche permettra l'étude du développement de tissus in vitro sans perturbation de ces derniers et sur des durées d'observation longue.

Contexte
- Automatisation de l'imagerie de phase dans un contexte d'imagerie tissulaire
- Observation d'échantillons biologiques épais et denses
- Couplage à d'autres modalités d'imagerie existantes (fluorescence, spectroscopie Raman...)
- Développement de nouvelles stratégies d'extraction de l'information basées sur l'apprentissage machine, utilisable en analyse temps réelle


Compétences attendues
- Automatisation d'expérience
- Culture cellulaire
- Programmation (Labview, Python/matlab)
- Apprentissage machine
- Faculté d'organisation & autonomie
- Goût pour l'interdisciplinarité

Contexte de travail

Le laboratoire XLIM basé sur l'Université de Limoges est mondialement reconnu pour ses recherches dans le domaine de l'optique, de l'imagerie et de l'interférométrie.

Nous développons au sein de l'axe biophotonique de nouvelles techniques d'imagerie optique pour la biologie.
En particulier, au sein de l'ERC Starting "SpeciPhic", Pierre Bon développe de nouvelles approches d'imagerie sans marquage pour l'étude des tissus biologiques. C'est dans cette équipe projet que le/la candidat(e) travaillera à plein temps.

Contraintes et risques

N.A.

On en parle sur Twitter !