Chargé.e de Recherche "Développement de modèles statistiques et d'approches de statistique computationnelle pour l'analyse de données omiques"

Type de poste
Niveau d'étude minimal
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

Inra - Domaine de Vilvert
78350 Jouy-en-Josas
France

Contacts
Pierre NICOLAS
Email du/des contacts
pierre.nicolas@inra.fr
Description

Version française - Compétences et activités :

Qu'elles visent à étudier le fonctionnement des cellules, des écosystèmes ou des processus d'évolution, les données omiques de nouvelle génération sont à la fois riches et complexes : de grande dimension, bruitées, hétérogènes, avec de fortes dépendances et acquises sur un nombre limité d'échantillons. Pour en extraire de l'information, il est crucial d'avoir des modèles statistiques adaptés et des algorithmes efficaces pour leur mise en oeuvre. Ces modèles peuvent être à visée descriptive et/ou prédictive, et incorporer des connaissances expertes. Les modèles statistiques utilisés dans l'équipe font souvent appel à des structures latentes de dépendance (chaînes, arbres, réseaux, ...), des lois d'émission complexes (par ex. adaptées aux comptages) et sont riches en paramètres. Le/la chercheur/se recruté/e conduira des développements méthodologiques en statistique computationnelle (bayésienne ou fréquentiste) et les mettra en oeuvre dans quelques domaines d'applications de l'équipe.

###########

English version - Key activities and required skills:

The new generation of omics data used, for instance, in systems biology, microbial ecology and evolutionary biology are both rich and complex: of high dimension, noisy, heterogeneous, with strong internal dependencies and acquired for a limited number of samples. Appropriate statistical models and efficient inference algorithms are essential to convert them into meaningful information. These models are varied and can be descriptive or predictive and may include expert knowledge. The statistical models developed in the team are often based on latent variables representing complex dependency structures (e.g. chains, trees, networks, etc) coupled with sophisticated emission models (e.g. adapted to counts) and tend to involve many parameters. The recruited researcher will develop methods and/or models in the field of computational statistics (frequentist or bayesian) and will apply them to the analysis of biological datasets of interest for the team.