Mots-Clés

bioinformatique génomique apprentissage modélisation algorithmique

Description

Un poste de professeur est susceptible de s'ouvrir au concours dans le courant de l’année 2021, pour un rattachement au Laboratoire de Biométrie et Biologie Évolutive (LBBE, UMR CNRS 5558, Université Lyon 1). Le profil envisagé est décrit ci-dessous.

Intitulé: Modèles, algorithmes et apprentissage statistique en bioinformatique et en génomique.

ENSEIGNEMENT : La personne recrutée sera plus particulièrement impliquée dans le master de Bio-informatique, qu'elle contribuera à piloter et à faire évoluer vers les enjeux modernes des sciences numériques et des données massives en biologie, mais aussi dans les licences et masters de biosciences, d'écologie et de santé rattachés à l'équipe pédagogique BBE (Biométrie et Biologie Évolutive). Elle développera des enseignements en mathématiques, statistiques, modélisation, algorithmique, apprentissage automatique et intelligence artificelle, telles qu’appliquées à la bioinformatique et à la génomique. Elle développera par ailleurs une réflexion stratégique sur le développement de la formation en bioinformatique et en génomique, en portant le master de bioinformatique, mais aussi en participant au développement de programmes multi-disciplinaires de formation par la recherche sur le créneau des sciences numériques pour la biologie et la santé, en interaction avec les formations théoriques (mathématiques et informatique) de l’université ainsi qu'avec leurs laboratoires de recherche.

RECHERCHE : La personne recrutée développera un projet de recherche sur des questions de bioinformatique et de génomique statistique, évolutive ou fonctionnelle, à forte composante théorique et méthodologique, en rapport avec la modélisation des processus complexes et l’analyse des données massives. En termes d'applications à la biologie, son travail de recherche pourra relever d'une large gamme de thèmes, visant à tirer parti des apports des données génomiques et multi-omiques en vue de modéliser les processus liés à l’évolution des espèces, de leurs génomes, de leurs phénotypes et leurs modes de reproduction, ou à la dynamique et l'intégration fonctionnelle de la biodiversité. Les approches méthodologiques pourront relever des domaines suivants: méthodes, algorithmes et modèles probabilistes appliqués à l’analyse des données multi-omiques; articulation entre apprentissage automatique, apprentissage profond, intelligence artificielle, et analyses des données génomiques, moléculaires et fonctionnelles; intégration des données multi-omiques en biologie évolutive ou fonctionnelle; modèles et méthodes pour la génomique évolutive, la génomique des populations et la génétique statistique.