Thèse "Algorithmes de deep learning pour la prédiction d'ARN non-codants impliqués dans le cancer"
Concours · Thèse · 36 mois Bac+5 / Master IBISC. Université d'Evry / Université de Paris-Saclay · Evry (France)
Date de prise de poste : 1 octobre 2021
Mots-Clés
ARN non-codants Réseaux de neurones Apprentissage profond Integration de données Cancer de vessie
Description
Les ARN non codants (ARNncs) sont identifiés comme jouant un rôle important dans les processus de dérégulation conduisant à des pathologies telles que le cancer. Dans ce projet, nous proposons de développer des méthodes originales basées sur les réseaux de neurones et l’apprentissage profond pour prédire, classer et identifier la fonction des ARNncs impliqués dans le cancer de vessie, en intégrant différentes caractéristiques : séquence, structure, position génomique et chromosomique, interaction avec des gènes codants ou non codants, altérations génétiques et épigénétiques. Deux défis méthodologiques sont à considérer : (i) permettre de considérer des caractéristiques hétérogènes (approche multi-sources) ; (ii) prédire des classes connues d'ARNncs tout en étant capable de prédire de nouvelles classes, en combinant une approche supervisée avec une approche non supervisée. Nous nous intéresserons plus particulièrement aux ARNncs longs, dont la caractérisation et la classification sont loin d'être établies, contrairement aux petits ARNncs.
Candidature
Procédure : Envoyer un mail à fariza.tahi@univ-evry.fr avant 17 mai
Date limite : 17 mai 2021
Contacts
Fariza TAHI
faNOSPAMriza.tahi@univ-evry.fr
https://www.adum.fr/as/ed/voirproposition.pl?site=PSaclay&matricule_prop=36869
Offre publiée le 10 mai 2021, affichage jusqu'au 17 mai 2021