Toxicogénomique et toxicologie prédictive

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

9 avenue du Professeur Léon Bernard
35000 Rennes
France

Contacts
Frédéric CHALMEL
Antoine ROLLAND
Email du/des contacts
frederic.chalmel@univ-rennes1.fr
antoine.rolland@univ-rennes1.fr
Description

Ce sujet s’inscrit dans le contexte de deux projets financés par l’ANSES (MASSIVE ATTACK) et l’Union Européenne (FREIA, Horizon H2020) dont les objectifs respectifs sont:

i) d’étudier les mécanismes d’une potentielle perturbation endocrinienne des composés organiques semi-volatils par une stratégie combinant criblage in vitro (lignées cellulaires) et ex vivo (explants gonadiques fœtaux) avec des technologies de transcriptomique (DGE-seq, scRNA-seq, RNA-seq) et métabolomique (UHPLC-ESI-QTOF, Dr Arthur David, LERES), et

ii) d’étudier l’impact des perturbateurs endocriniens sur le développement ovarien et la fertilité féminine (exposition in vivo chez le rat et ex vivo chez l’homme) afin d’identifier les mécanismes sous-jacents ainsi que des biomarqueurs d'exposition (DGE-seq, RNA-seq) dans le but d'améliorer l'évaluation du risque chimique (i.e. développement de tests réglementaires).

Cette thèse s’articulera en 3 grandes étapes clefs étroitement liées :

1- Analyse des données de transcriptomique et métabolomique. Ces analyses permettront d’extraire les signatures moléculaires, de modéliser les courbes doses-réponse et de caractériser la toxicité relative de chaque substance. Les résultats seront déposés dans un espace de dépôt développé par le laboratoire, TOXsIgN.

2- Implémentation d’un modèle in silico de la synthèse des stéroïdes et applicabilité à l’étude de la perturbation endocrine induite par les substances étudiées.

3- Évaluation de la puissance prédictive de nouvelles approches de deep learning intégrant les signatures transcriptomiques et métabolomiques pour identifier de nouveaux perturbateurs endocriniens et substances reprotoxiques. Les nouvelles approches seront déployées sur l’interface web de TOXsIgN.

Ce sujet de thèse s’inscrit dans la continuité directe du projet de thèse de Thomas DARDE achevé en 2017 (financements ANSE et FRM) et réalisé au sein de l'Equipe 8 de l'Irset. Ce dernier reposait sur l’hypothèse selon laquelle des composés possédant une signature transcriptomique proche possèdent également une toxicité similaire. Ce programme de recherche a ainsi permis de démontrer que l’intégration massive de données de transcriptomique permet de classer efficacement des substances chimiques et de prédire leur(s) effet(s) toxique(s). Ce projet ambitionne ainsi de poursuivre dans cette voie en étudiant l’apport combiné des signatures métabolomiques et transcriptomiques dans l’évaluation des risques sanitaires. Plus spécifiquement, il s’agira d’évaluer les performances de méthodes de deep learning intégrant différents types de données de toxicogénomique pour prédire de nouveaux perturbateurs endocriniens et substances reprotoxiques dans notre environnement.

Le/La candidat/e devra posséder de solides bases (bio-)informatiques (linux, python, R) ainsi que dans le développement web. Des compétences et un intérêt pour les approches de machine learning et de deep learning sont également des atouts décisifs.G

Ce contrat doctoral est financé pour moitié par un contrat européen dont nous sommes partenaires (projet FREIA). Il constitue donc un cadre international idéal pour la formation d’un doctorant.

Equipe adhérente personne morale SFBI
Equipe Non adhérente