Mots-Clés
Métabolomique
analyses statistiques
traitement des données
RMN
Spectrométrie de masse
reproductibilité
R
serveur web
docker
nextflow
python
bash
Description
Intitulé bioinformatique du travail :
Développement d’approches statistiques et bioinformatiques pour l’analyse de données métabolomiques issues de la résonance magnétique nucléaire (RMN) et de la spectrométrie de masse (MS) : vers une meilleure exploitation des profils métabolomiques en santé humaine et agriculture durable.
Contexte:
L’alternant(e) évoluera au sein de l’Institut CARMeN (Chimie Analytique et Réactivité Moléculaire en Normandie), une unité mixte de recherche (UMR 6064) regroupant l’Université de Rouen Normandie, l’INSA Rouen Normandie, l’Université de Caen, l’ENSICAEN et le CNRS. Le laboratoire est implanté sur plusieurs sites, dont celui de Mont-Saint-Aignan, où se déroulera principalement la mission de l’alternant(e).
L’une des thématiques majeures de l’Institut CARMeN porte sur le développement de nouveaux outils analytiques, adaptables et flexibles, pour l’étude des mécanismes du vivant. Dans ce contexte, le projet s’inscrit dans l’axe de l’analyse métabolomique combinée par RMN (résonance magnétique nucléaire) et spectrométrie de masse (MS).
La métabolomique permet de capturer l’état physiologique d’un organisme à travers l’analyse de ses métabolites, avec des applications majeures en santé humaine (nutrition, compléments alimentaires, cosmétique) et en agriculture durable. Les spectres obtenus par RMN et LC-MS à partir d’échantillons végétaux ou humains sont riches en informations, mais complexes à interpréter. L’extraction des données à partir des spectres bruts constitue une étape critique, souvent entravée par la redondance des signaux, la variabilité instrumentale et les difficultés d’alignement. Ces enjeux nécessitent la mise en place de procédures robustes de filtrage, de normalisation et de validation croisée. L’utilisation conjointe de deux techniques analytiques aux traitements spécifiques ajoute un niveau supplémentaire de complexité, rendant ce sujet particulièrement riche et formateur.
L’alternant(e) intégrera un environnement de travail collaboratif et interdisciplinaire. Le projet mobilisera également deux partenaires :
• La plateforme SequAna (HERACLES, Mont-Saint-Aignan), spécialisée dans le développement d’outils bioinformatiques.
• Le Muséum national d’Histoire Naturelle (Paris), reconnu pour son expertise en analyses statistiques.
Mission (s) de l’apprenti.e:
Dans ce cadre, nous souhaitons développer une application conviviale et interfacée visant à simplifier l’ensemble du processus d’analyse : traitement des données brutes, analyses statistiques, exploration visuelle des résultats et identification de biomarqueurs.
Le travail confié à l’alternant(e) s’articulera autour des objectifs suivants :
1. Améliorer la traçabilité et la reproductibilité des analyses métabolomiques réalisées à partir de données RMN et spectrométrie de masse (MS), en s’appuyant sur les principes FAIR (traçabilité, versionnement, reproductibilité) via l’utilisation de gestionnaires de pipelines (comme Nextflow), de conteneurs (Docker) et de plateformes de versionnement de code (GitLab).
2. Répondre à la difficulté du ciblage et de la sélection des variables d’intérêt, notamment à travers une réflexion sur les méthodes existantes, leur automatisation partielle, et la création d’outils facilitant cette étape critique, en lien avec les bases de composés métaboliques disponibles.
3. Proposer une chaîne de traitement complète, modulaire et reproductible :
• pour chacun des deux types de données (RMN et MS) de manière indépendante, en générant deux matrices quantitatives exploitables,
• mais aussi avec la possibilité de corréler ces deux matrices,
• et, de les intégrer en un seul jeu de données combiné, pour tirer profit de la complémentarité des technologies.
4. Mettre en place une chaîne d’analyses statistiques permettant d’identifier des métabolites d’intérêt par des approches classiques (analyses différentielles, normalisations, tests statistiques), accompagnée de toutes les visualisations standards : ACP, volcano plots, heatmaps, clustering, etc.
5. Développer une application conviviale et interactive (éventuellement via RShiny ou équivalent), regroupant l’ensemble des étapes : de la gestion des données brutes à l’analyse statistique, l’exploration interactive des résultats et l’interprétation. Cette interface devra être intuitive et documentée pour les chercheurs non spécialistes en bioinformatique
Profil Recherché :
Etudiant de Master 1 bioinformatique ou équivalent avec des compétences en programmation R, Python et une première expérience de la bioinformatique en sciences omiques.
L’alternant.e rejoindra le master 2 de bioinformatique de l’Université de Rouen Normandie.