Mots-Clés
Toxicologie
High Content Analysis
pipeline d'analyse
imagerie cellulaire
multiparamétrique
Description
Entité d'accueil
L’unité Toxicologie des Contaminants de l'ANSES Fougères est composée de 12 agents et contribue à l’évaluation des risques en apportant son expertise dans le domaine de la toxicologie des contaminants. Les activités de recherche s’organisent autour de 2 grands axes :
1) l’évaluation du danger de contaminants ou de substances émergentes ainsi que de leurs mélanges, à l’aide de tests in vitro sur cultures cellulaires humaines en général et in vivo sur des rongeurs. En plus des effets génotoxiques, divers marqueurs de toxicité (apoptose, inflammation, stress oxydant,…) sont investigués soit au niveau cellulaire soit au niveau moléculaire avec l’étude des mécanismes d’action impliqués. L’approche à haut contenu informatif (HCA) avec des outils d’imagerie cellulaire multiparamétrique est également utilisée afin de mieux comprendre les voies de toxicité de contaminants.
2) le développement de nouveaux tests ou outils pour améliorer la prédictivité des essais toxicologiques. Ainsi, la qualification de nouveaux systèmes qu’il soit cellulaires (nouvelles lignées, co-cultures) ou technologiques vise à disposer de tests plus adéquats pour l’évaluation du danger.
Contexte Scientifique
A partir de l’imagerie cellulaire, l’approche Analyse à Haut Contenu Informatif (HCA) vise la multiplex de très nombreux paramètres cellulaires de manière informatisée et leur quantification grâce à des logiciels de traitement d’images. Grâce aux données mulitparamètriques cellule par cellule, cette approche permet une meilleure compréhension des mécanismes cellulaires impliqués dans la réponse toxique à des composés. Il est nécessaire d’analyser efficacement une quantité de données provenant d’expériences HCA et un pipeline d’analyse de données est donc indispensable.
Objectifs
Les objectifs de ce stage seront :
- Générer un pipeline de traitement et d’analyse de données multiparamètriques
- Créer une interface d’utilisateur (UI) (upload de données, annotations, sélection de features, normalisation, …)
- Contrôle qualité de données
- Analyses statistiques de données (ACP, Z’, clustering, …)
- Visualisation multivariée de données
Profil Recherché
Diplôme en cours: Formation supérieure en bioinformatique (Master 2)
Compétences:
- Maitrise de Python, R, biostatistiques
- Expérience en Machine Learning souhaitée
- Qualités rédactionnelles,
- Sens de l’information,
- Capacité de synthèse