Post-doctorat en sciences des données biomédicales : Méthodes innovantes d'intégration de données multi-omiques appliquées à la prédiction de l'allergie alimentaire

Type de poste
Niveau d'étude minimal
Dates
Durée du poste
Contrat renouvelable
Contrat renouvelable
Détails de renouvellement
Possibilité de renouvellement de 12 mois
Date de prise de fonction
Date de fin de validité de l'annonce
Localisation
Adresse

CEA, Centre de Saclay, Bâtiment 565 (Digiteo Saclay)
91191 Gif-sur-Yvette
France

Contacts
Etienne Thévenot
Email du/des contacts
etienne.thevenot@cea.fr
Description

Contexte

La médecine de précision, c’est-à-dire la personnalisation des traitements à partir des données biologiques et cliniques du patient, dans un contexte prédictif, préventif, personnalisé et participatif, est un enjeu majeur pour orienter la stratégie thérapeutique et limiter les effets secondaires. Elle s’est fortement développée ces dernières décennies grâce à la combinaison entre les sciences des données (notamment les méthodes d’apprentissage automatique en grande dimension et l'intelligence artificielle) et les approches globales (ou « omiques ») en biologie moderne (qui permettent de caractériser le contenu moléculaire d’un échantillon à haut-débit). Depuis 15 ans, mon équipe et moi-même développons au CEA de nouvelles méthodes en sciences des données biomédicales (algorithmes, logiciels et workflows) pour la découverte de biomarqueurs et la médecine de précision (Thévenot et al., 2015; Rinaudo et al., 2016; Delabrière et al., 2017), en interaction étroite avec les plateformes de l’infrastructure nationale de métabolomique et fluxomique (MetaboHUB), et l’Institut Français de Bioinformatique (IFB).

Aujourd'hui, la combinaison d'analyses omiques complémentaires apparaît comme une approche prometteuse pour élargir la liste des biomarqueurs et augmenter les performances de prédiction. De nouvelles méthodes mathématiques et informatiques sont donc nécessaires pour modéliser de tels jeux de données multi-tableaux (données omiques, variables cliniques, modélisation longitudinale, réseaux biologiques).

Projet

Pour comprendre l'impact de l'environnement maternel sur la composition précoce du lait maternel et le développement d'allergies alimentaires, 300 échantillons de lait de la cohorte mère-enfant EDEN ont été analysés par métabolomique, lipidomique, glycomique et par les mesures ciblées de marqueurs immuns, dans le cadre d'un partenariat entre le Laboratoire d'Etude du Métabolisme des Médicaments (CEA) et le Laboratoire d’Immuno-Allergie Alimentaire (INRA).

L'objectif de ce post-doctorat de 12 mois renouvelables est de développer de nouvelles méthodes pour intégrer les cinq jeux de données ainsi que les covariables cliniques, et construire des modèles prédictifs des allergies alimentaires robustes et précis. Les approches incluront des développements mathématiques (analyse de données multi-blocs, fusion de réseaux de similarité) et informatiques (réseaux d'interaction biologiques, motifs de fragmentation chimique).

Les défis comprendront notamment la sélection d'une signature multi-omique restreinte, le traitement des effets confondants, des temps de collecte distincts des échantillons et de l'hétérogénéité de la classe « allergie ».

L’implémentation s’appuiera notamment sur l’environnement R.

Profil

Les candidats intéressés doivent être titulaires d'un doctorat en mathématiques appliquées (analyse des données, machine learning, sélection de variables, intelligence artificielle, analyse de graphes) et être motivés par des applications multidisciplinaires (chimie et biologie).

Contact

Etienne Thévenot
CEA, LIST, Centre de Saclay, Laboratoire Sciences des Données et de la Décision, MetaboHUB
Email: etienne.thevenot@cea.fr
Web: https://frama.link/etienne-thevenot

Equipe adhérente personne morale SFBI
Equipe Non adhérente