Mots-Clés

Deep learning SNP données génomiques

Description

 d’accueil
UMR1313 Génétique Animale et Biologie Intégrative
Equipe Biologie Intégrative et Génétique Equine (BIGE)

Sujet
Objectif du projet :
L’objectif du stage est d’apprendre des réseaux de neurones prédisant le phénotype d’individus à partir de
leurs données génomiques. Afin de réduire la dimension des données (50K à 670K SNP), nous nous
intéresserons en particulier aux méthodes d’apprentissage de représentation des données afin d’extraire
des caractéristiques pertinentes pour la prédiction.
Méthodologies
Afin de construire un modèle prédictif performant, il est nécessaire que le réseau de neurones capture les
relations entre la sortie et les variables d‘entrée mais aussi entre les variables. Pour cela nous nous
inspirerons des travaux de représentation de connaissance dans le domaine du traitement du langage
naturel qui sont désormais largement utilisés tel que Word2Vec mais aussi des méthodes génératives tel
que les VAE. L’idée est d’apprendre une nouvelle représentation des SNP plus compacte et plus informative.
Cette représentation aura appris les relations entre SNP de manière non supervisée à partir de larges jeux
de données. Cette nouvelle représentation sera utilisée à l’entrée des modèles prédictifs classiques. Des
connaissances du domaine comme la localisation des SNP, pourront être intégrées dans l’architecture du
réseau de neurones afin de facilité son apprentissage.

Les données massives qui seront traitées seront des caractères de production laitière de vaches laitières et
leurs génotypes analysés sur des puces de génotypage de haute densité. A terme, l’applications sera la prédiction génomique de la production laitière multi-caractères grâce aux informations massives de
génotypage.

Profil de formation
Profil :

• Master ou école d’ingénieur en informatique, mathématique appliquée ou bioinformatique.
• Solides compétences en apprentissage automatique et en particulier dans les modèles de réseau
de neurones. Programmation en Python, Tensorflow ou Pytorch.
• Notions de génétique statistique, génomique e bioinformatique : modèle mixte, GWAS,
variabilité génétique, génotypage, SNP

Responsables à contacter : lettre de motivation, CV et rélevé de notes des deux dernieres années
Eric Barrey: eric.barrey@inrae.fr
Blaise Hanczar: blaise.hanczar@ibisc.univ-evry.fr