Société Française de Bioinformatique

Mots-Clés

Statistiques en grande dimension, Machine learning, Données multi-omiques

Description

Le Centre National de Recherche en Génomique Humaine (CNRGH), au sein de l'Institut de
biologie François Jacob du CEA, est localisé sur le campus de la Genopole d'Evry-
Courcouronnes (https://jacob.cea.fr/drf/ifrancoisjacob/Pages/Departements/CNRGH.aspx).
Le CNRGH permet de répondre aux questions scientifiques nécessitant des besoins de
séquençage et de génotypage à très haut débit grâce au développement et à la mise en œuvre
de technologies innovantes. L'organisation du CNRGH permet d'optimiser la recherche en
génomique des maladies humaines, en créant les liens indispensables entre la constitution
des cohortes (échantillons d'ADN et d’ARN) et l'identification des gènes responsables, l'étude
du transcriptome et de l'épigénome. Plus précisément, l’ingénieur-chercheur en statistiques et
machine learning sera intégré au sein de l’équipe Mathématiques et Statistiques du CNRGH,
composée actuellement de 3 ingénieurs-chercheurs permanents, dont l’objectif est le
développement de méthodes d’analyse innovantes des données génomiques.
La mission principale pour ce poste sera le développement de méthodes d’analyses
statistiques multivariées pour l’analyse intégrative de données multi-omiques (génomique,
transcriptomique, épigénomique, protéomique, métabolomique...), afin d’identifier et
d’interpréter des groupes de marqueurs « omiques » hautement corrélés à une pathologie
donnée ainsi que d’identifier d’éventuels sous-types de cette pathologie. Dans une perspective
de médecine personnalisée, l’objectif est de mieux modéliser l’étiologie de la
maladie et d’en identifier chaque sous-type, afin de mieux prédire son évolution, l’efficacité
d’un traitement, voire d’identifier de nouvelles cibles thérapeutiques.
Titulaires d'un doctorat, d’un master ou d’un diplôme d’ingénieur en mathématiques ou
statistiques appliquées, machine learning, biologie computationnelle, informatique ou
discipline apparentée, les candidats devront justifier d’une expérience significative en analyse
statistique et machine learning. Des connaissances dans le domaine de la génomique ou de
la recherche biomédicale ainsi qu’en deep learning seraient très appréciées. Anglais courant
requis. Ce poste demande des capacités à communiquer au sein d'équipes pluridisciplinaires,
à comprendre les problématiques scientifiques, de la rigueur et de l'autonomie.