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

Doctorat en modèles prédictifs et expérimentaux avancés pour le diabète de type 2 (H/F)

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

Date Limite Candidature : samedi 27 juillet 2024 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Doctorat en modèles prédictifs et expérimentaux avancés pour le diabète de type 2 (H/F)
Référence : UMR8199-HELDEG0-035
Nombre de Postes : 1
Lieu de travail : LILLE
Date de publication : samedi 6 juillet 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Interactions, particules, noyaux du laboratoire au cosmos

Description du sujet de thèse

Nous invitons les candidatures pour un projet de doctorat axé sur le développement de modèles prédictifs et expérimentaux avancés pour le diabète de type 2 (T2D) et les troubles associés. La relation entre les facteurs environnementaux et la génétique est complexe et reste en grande partie inconnue. L’étudiant·e sera dans une position unique pour travailler avec des ensembles de données multi-tissus et multi-omiques. Ce projet innovant vise à utiliser des données génomiques, de méthylation et transcriptomiques provenant de plusieurs tissus pertinents pour le T2D afin d'explorer les signatures moléculaires partagées et de stratifier les patients en fonction de leurs profils de risque.

Activités
Objectifs clés et méthodologies :
– clustering multi-omique – par exemple, utiliser mixOmics pour analyser les caractéristiques moléculaires sous-jacentes dans les données de méthylation, de génotype et de transcriptomique provenant de tissus associés ;
– IA multimodale – Appliquer des approches d'apprentissage profond et d'apprentissage automatique pour développer des modèles prédictifs pour les indicateurs de santé et mettre en œuvre des modèles prédictifs avancés pour classer les individus en sous-groupes en fonction de leur profil multi-omique ;
– mener des analyses intégratives pour comprendre les réseaux métaboliques, les voies et les caractéristiques moléculaires clés associées au T2D.
Compétences
Le candidat retenu devra :
– posséder un MSc (ou équivalent) en bioinformatique, biologie computationnelle ou statistiques appliquées, avec un intérêt particulier pour les statistiques et l'apprentissage automatique ;
– avoir une bonne connaissance de la programmation ;
– maîtriser la langue anglaise ;
– démontrer une capacité de pensée critique, de résolution de problèmes ;
– être capable de travailler au sein d'une équipe pluridisciplinaire.


Contexte de travail

Le doctorant sera basé à l’UMR1283/U8199 : « Metabolic Functional (epi)genomics and Molecular Mechanisms Involved in type 2 Diabetes and Related Diseases (EGENODIA) » au sein de l’Egid, reconnu par le prix ’Laboratoire d'Excellence’, dirigé par le Prof Philippe Froguel. L’étudiant bénéficiera de la collaboration avec une équipe pluridisciplinaire à l’UMR1293/8199, dirigée par le Dr Amélie Bonnefond (DR, Inserm), qui comprend des bioinformaticiens, biostatisticiens, biologistes fonctionnels et des plateformes de séquençage. La supervision sera assurée par le Dr Amna Khamis (Université de Lille) et le Dr Nicolas Gambardella (DR, CNRS).

Les demandes de renseignements sur le projet doivent être envoyées par courriel au Dr Nicolas Gambardella (nicolas.gambardella@univ-lille.fr) ou au Dr Amna Khamis (amna.khamis@cnrs.fr).