Mots-Clés

méta-analyse carcinome hépatocellulaire analyses statistiques longitudinales et différentielles interdisciplinarité

Description

Le carcinome hépatocellulaire (CHC) est la 3ème cause de décès par cancer dans le monde et son hétérogénéité complique sa prise en charge. Le projet INCA PLBio a pour objectif d’étudier les mécanismes gouvernant l’hétérogénéité du CHC. Dans ce contexte, une analyse intégrée de données de diverses origines (transcriptomique, protéomique, analyse d’images de microscopie, clinique, mesures biophysiques …) est en cours de réalisation afin d’étudier des modèles de progression tumorale et de diversité phénotypique du CHC. Le poste à pourvoir se situe à l’interface entre les disciplines concernées afin de donner du sens aux données recueillies. Vous travaillerez en équipe avec des chercheurs et ingénieurs en biologie moléculaire et cellulaire, des biostatisticiens, mathématiciens, biophysiciens, spécialistes en analyses d’images microscopiques et des médecins anatomopathologistes. Dans ce contexte, vous aurez accès à diverses plateformes technologiques spécialisées.

Vos missions :
• Réaliser des analyses statistiques longitudinales et différentielles des différents types de données acquises ;
• Extraire des variables latentes et intégrer des données de sources et structures différentes visant une modélisation multiparamétrique de la progression tumorale.
• Effectuer une veille bibliographique des méthodes récentes de méta-analyse ;
• Réaliser une méta-analyse pour mettre en perspective les résultats issus des différents types de données ;
• Communiquer régulièrement les résultats aux collaborateurs des différentes disciplines pour permettre d’obtenir une interprétation biologique fine et transversale des résultats statistiques obtenus.

Compétences et qualifications requises :
• Formation supérieure (Master 2 ou école d’ingénieur) en biostatistiques
• Connaissance approfondie des méthodes d’analyse statistiques multivariées
• Connaissance approfondie des méthodes de validation de modèles de type machine learning
• Maîtrise du langage R et si possible d’un autre langage de script
• Goût pour l’interaction interdisciplinaire
• Maîtrise des techniques de communication orale et écrite

Une expérience dans le traitement des données omiques et/ou des connaissances générales dans le domaine des sciences de la vie serait un plus.