M2 - Ing - Analyse de réseaux biologiques

Type de poste
Dates
Durée du poste
Contrat renouvelable
Contrat non renouvelable
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Nom de la structure d'accueil
Adresse

<p>40 avenue Tony Garnier</p><p>69007 Lyon</p>
Lyon
France

Contacts
Chloe Mahieu
Becker Jérémie
Email du/des contacts
chloe.mahieu@bioaster.org
Description

 

Les progrès récemment réalisés dans les technologies de séquençage ont permis des avancées majeures dans les différents domaines de la biologie (génomique, transcriptomique, immunologie, etc). L’exploitation et l’interprétation des larges volumes de données générées sont cependant loin d’être triviales. Il n’existe en effet aucun consensus pour inférer un modèle unique, décrivant le fonctionnement global de la machinerie cellulaire à partir de l’abondance et des interactions de milliers de molécules. Cette question est au cœur de la biologie des systèmes qui considère l’organisation cellulaire comme modulaire et cherche à mettre en lumière les propriétés émergentes de la cellule à partir de l’étude des interactions entre ses composants.
En pratique, les biologistes s’intéressent à ces approches systémiques dans le but de réduire la dimensionnalité des données à hauts débits (plusieurs milliers de gènes, protéines, métabolites) et d’en extraire un petit nombre de processus biologiques interprétables.

Pour cela, de nombreuses approches d’inférence et d’enrichissement de réseaux ont récemment vu le jour, d’une part pour identifier et interpréter des nouveaux modules (groupes) de gènes et d’autre part pour retrouver des modules déjà caractérisés dans un nouveau jeu de données.

Durant ce stage de recherche, plusieurs aspects seront abordés :
- Réaliser une étude bibliographique sur les bases de données et les outils existants
- Identifier une ou plusieurs méthodes et bases de données à évaluer
- Evaluer ces outils sur des données simulées et des données disponibles à Bioaster

 

Références

-        Le Novère, N. (2015). Quantitative and logic modelling of molecular and gene networks, Nature Reviews Genetics, 16, 146–158.

-        Wang, Y. R., & Huang, H. (2014). Review on statistical methods for gene network reconstruction using expression data. Journal of theoretical biology, 362, 53-61.

-        De Smet, R., & Marchal, K. (2010). Advantages and limitations of current network inference methods. Nature Reviews Microbiology, 8(10), 717.

-        Emmert-Streib, F., Dehmer, M., & Haibe-Kains, B. (2014). Untangling statistical and biological models to understand network inference: the need for a genomics network ontology. Frontiers in genetics, 5, 299.

 

 RATTACHEMENT

La mission sera rattachée à l’unité technologique Data Management & Analysis (J. Becker et C. Chauvel), en collaboration avec le pôle Omics (F. Reynier) et la veille scientifique (L. Beloeil).

 

PROFIL

Compétences:

 

-        Etudiant de Master 2 ou 5ème année d’école d’ingénieur, en statistique ou bio-informatique

-        Maîtrise de R.

-        Très bonne connaissance de l’anglais scientifique (notamment lectures d’articles).

-        Une connaissance préalable des données biologiques (biologie des systèmes) n’est pas indispensable, mais sera considérée comme un avantage.

 

Qualités personnelles:

-        Capacité à travailler à l’interface de plusieurs champs disciplinaires

-        Rigueur et organisation