Mots-Clés

Bioinformatique Génétique Deep Learning

Description

Environnement de travail

Vous serez accueilli(e) au sein de l’unité GenPhySE (Génétique, Physiologie, et Système d’élevages), une Unité Mixte de Recherche (UMR) situé au sud de Toulouse. GenPhySE regroupe plus de 150 personnels travaillant sur des espèces animales d’élevages (porc, mouton, chèvre, lapin, caille, abeille). Vous serez plus particulièrement intégré à l’équipe GenEpi (Génétique et Epigénétique d’espèces animales utilisés en croisement), qui travaille à la dissection moléculaire de la génétique et de l’épigénétique de caractères d’intérêts. Vous serez co-encadré(e) par R. Mourad, enseignant chercheur du CBI (Centre de Biologie Intégrative) et J. Demars/J. Riquet, chercheures dans l’équipe GenEpi.

Contexte scientifique

Identifier les déterminismes de caractères agronomiques d’intérêt représente un enjeu majeur pour la sélection génétique et contribue à la transition vers des élevages durables. Les études génétiques basées sur des analyses d’association pangénomiques ont permis, dans les espèces d’élevage, d’identifier des milliers de régions génomiques contribuant à la variabilité de caractères complexes. Bien que très répandues et très puissantes, ces approches présentent des limites qui sont un frein à l’identification des relations génome-phénome. Chez l’homme, les données fonctionnelles omiques (transcription, chromatin, épissage) permettent d’identifier parmi un ensemble de SNP candidats celui qui a le plus de chance de causer le caractère complexe. Cependant, chez les animaux d’intérêt agronomique, le peu de données limite cette approche. Depuis peu ont été proposées de nouvelles méthodes d’intelligence artificielle afin de prédire les données omiques ainsi que l’impact des mutations, et représentent ainsi une alternative pour appréhender plus finement les mécanismes biologiques mis en jeu dans l’élaboration des caractères complexes et ce en exploitant les données inter-espèces.

Missions et activités

Une région génomique impliquée dans la croissance et l’engraissement chez le porc a été identifiée dans un protocole expérimental via des analyses génétiques de liaison et d’association. A partir de ce cas concret, l’objectif du stage sera (i) d’évaluer si les approches d’intelligence artificielle basées sur des données disponibles chez l’homme et la souris permettent d’améliorer chez le porc l’architecture moléculaire de ce caractère agronomique et (ii) d’affiner éventuellement le lien génotype-phénotype.

Vous prendrez en main les différents outils de prédiction disponibles de la littérature. Vous serez en charge (i) des comparaisons entre données d’expression prédites et données réelles obtenues dans le dispositif expérimental, (ii) des comparaisons entre données de régulation (facteur de transcription, marques épigénétiques) prédites et données réelles obtenues chez le porc dans le cadre du consortium international FAANG, (iii) dans la mesure du possible de discriminer les variants identifiés dans la région génomique d’intérêt au vu des données de prédiction.

Formation et compétences

Formation recommandée - Bio-informatique, Génétique

Connaissances souhaitées - Biologie, Génétique

Aptitudes recherchées - Expérience dans un langage d’analyse adapté à la génétique et la science des données (R, Python, shell), aisance à communiquer les résultats à l’écrit et à l’oral.