Mots-Clés
IDP, Julia, Python, bioinformatique structurale, deep learning, FAIR, HPC, évolution
Description
L’ingénieur développera, en Julia et Python, un pipeline modulaire pour analyser et scorer les protéines intrinsèquement désordonnées (IDPs), en intégrant des méthodes évolutives et de deep-learning afin d’identifier les conformations et interactions biologiquement pertinentes ; il/elle assurera également la gestion complète des données générées (collecte, structuration FAIR, documentation) et publiera le code en open-source.
Activités principales :
- Développer et maintenir un code Julia/Python avec tests unitaires et intégration continue ;
- Implémenter des modèles de deep-learning sur graphes pour le scoring des IDPs ;
- Constituer et documenter des jeux de données conformes aux principes FAIR ;
- Exploiter les clusters CPU/GPU de l’institut et les infrastructures nationales HPC ;
- Rédiger documentation, rapports techniques et publications.
Compétences attendues :
- Solide pratique de Julia (ou forte motivation à l’acquérir) et bonne maîtrise de Python ;
- Développement logiciel scientifique : Git, tests, CI, conteneurs ;
- Connaissances en bioinformatique structurale et modélisation ;
- Autonomie, sens de l’organisation, travail en équipe ;
- Anglais scientifique niveau B1-B2 (CECRL)
Contexte :
Le poste est intégré à l’équipe AMIG – Assemblages Moléculaires et Intégrité du Génome – de l’I2BC (Institute for Integrative Biology of the Cell), qui comprend une composante wet-lab et une composante dry-lab ; l’ingénieur exercera dans cette dernière. L’environnement dispose de clusters CPU/GPU locaux ainsi que d’un accès aux supercalculateurs nationaux. La personne recrutée évoluera dans un écosystème interdisciplinaire à l’interface de la biologie structurale, de l’informatique et de l’IA, en interaction étroite avec les partenaires du réseau COST ML4NGP. Ce poste contribuera directement aux objectifs scientifiques du projet ANR SPPICES (Scoring and Predicting Protein Interactions and Conformations based on Evolutionary Signals).