Mots-Clés

dynamique moléculaire métadonnées text mining moteur de recherche science ouverte principes FAIR

Description

Contexte : La dynamique moléculaire est une technique de simulation indispensable pour comprendre le comportement fin des molécules du vivant. De nombreux fichiers de simulations de dynamique moléculaire sont stockés dans des dépôts publics de données ouvertes tels que Zenodo, Figshare ou OSF, mais sont peu accessibles et encore moins réutilisables. Il s'agit d'un énorme gaspillage de ressources compte tenu du coût humain et matériel qu'il a fallu pour produire et stocker ces données.

Objectifs : Notre objectif est d'apporter de la valeur aux données de dynamique moléculaire disponibles dans les entrepôts publics en les rendant explorables et réutilisables.

Travail demandé : Nous recherchons un.e stagiaire pour :

1. Étendre et normaliser les métadonnées actuelles (description associée et mots-clés) par exemple, avec des approches de machine learning ou text mining.

2. Créer de nouvelles métadonnées à partir des propriétés intrinsèques des données de dynamique moléculaire (durée de simulation, température...) ou à partir de la littérature scientifique associée à un jeu de données.

3. Construire un prototype de moteur de recherche qui expose en un seul endroit toutes les données de dynamiques moléculaires disponibles et facilite leur exploration.

Compétences techniques recherchées : Pour ce projet, nous recherchons un.e candidat.e intéressé.e par la science ouverte, la simulation moléculaire et l’analyse textuelle. Des connaissances en dynamique moléculaire, en machine learning et développement web seraient également appréciées. Nous attendons également du ou de la candidat.e qu'il ou elle ait des compétences opérationnelles en programmation Python et en gestion de versions (git et GitHub).