Mots-Clés

génomique analyse de données programmation

Description

Les besoins du MNHN en analyse de données et particulièrement en génomique évolutive ou fonctionnelle sont en constante augmentation. Le service d’analyse de l’UMS2700 "Acquisition et Analyse de données pour l’Histoire naturelle", a été mis en place dans le but d’organiser les efforts faits pour y faire face. L’objectif est d’offrir un guichet unique pour les membres des unités du MNHN pour leurs analyses de données mais aussi pour les accompagner dans leurs projets ou leur proposer des formations.

Les technologies de séquençage à haut débit sont actuellement des méthodologies incontournables pour les projets en génomique ou métagénomique, qui au MNHN concernent des taxons souvent très divergents et représentant des modèles biologiques non conventionnels. Si les chercheurs du MNHN maîtrisent parfaitement les systèmes biologiques non conventionnels dont ils sont experts, des freins demeurent dans la mise en œuvre opérationnelle des approches méthodologiques faisant appel au séquençage haut débit, aussi bien au niveau conceptuel que dans l’analyse des données, limitant l’exploitation et la valorisation des données obtenues.

La mission de l’IR en traitement bio-informatique des données génomiques sera d’apporter son expertise opérationnelle pour développer et valoriser davantage de projets de recherche en génomique comparative et/ou fonctionnelle au sein du Muséum. Un recrutement au niveau IE (Bac +5) peut également être envisagé.

Compétences et connaissances attendues:

• Pratique de haut niveau d'un (ou plusieurs) langage(s) de programmation (Python, R, C, ...).
• Très bonnes connaissances des méthodes d'analyses de données issues des technologies de séquençage à haut débit de type Chip-seq, RNA-seq, Hi-C, RAD-seq, DNA barcoding, ...
• Connaissance des principales bases de données biologiques/génomiques utiles à l’analyse de données de génomique fonctionnelle (NCBI, ENA, KEGG, ...)
• Une connaissance des méthodes d'apprentissage machine et de classification (Réseaux de neurones profonds, Random Forest, Support Vector Machine, ...) est souhaitable.
• Connaissances de base en installation et maintenance de systèmes type Unix.
• Anglais scientifique et technique, oral et écrit.
• Savoir gérer plusieurs projets en parallèle et leur calendrier.
• Aimer travailler en équipe.