Mots-Clés
Intelligence artificielle, biostatistiques, bioinformatique, microbiologie environnementale, -omiques, écologie
Description
Ouverture d’un poste de Maitre de conférence en intelligence artificielle appliquée à la biologie ; développement d’approches
d’apprentissage automatique pour l’intégration multiomique, la modélisation de réseaux et la prédiction de la biodiversité
Section CNU : 65
Lieux d’exercice : Université Clermont Auvergne
Composante : UFR Biologie (https://biologie.uca.fr/)
Laboratoire : UMR UCA-CNRS 6023 - Laboratoire Microorganismes : Génome et Environnement (https://lmge.uca.fr)
Mots clés : Intelligence artificielle, biostatistiques, bioinformatique, microbiologie environnementale, -omiques, écologie
PROFIL RECHERCHE
Le LMGE (UMR 6023) souhaite renforcer son expertise en bioinformatique et sciences des données par le recrutement d’un(e) enseignant(e)-chercheur(e) maîtrisant les concepts et outils d’intelligence artificielle (machine learning/deep-learning). Ce recrutement vise à développer une recherche interdisciplinaire, à l’interface de la microbiologie, de l’écologie et de l’IA, afin de comprendre, modéliser et prédire les dynamiques microbiennes dans des environnements soumis à diverses pressions naturelles ou d’origine anthropique.
Le/la candidat(e) développera un projet de recherche original et ambitieux s’articulant autour d’un ou plusieurs des axes suivants :
-
Analyse et intégration multi-omique : développement d’approches d’apprentissage automatique permettant de relier données métagénomiques, transcriptomiques, protéomiques et métabolomiques, pour décrypter la diversité spécifique et fonctionnelle au sein des écosystèmes
-
Détection d’émergences microbiennes ou virales : développement de modèles prédictifs intégrant les effets des changements globaux, des pressions anthropiques afin d’anticiper les dynamiques d’émergences et de propagation dans le cadre conceptuel « One Health ».
-
Analyse et modélisation des réseaux microbiens : identification des interactions structurantes et des processus gouvernant la dynamique et la résilience des communautés microbiennes dans différents contextes écologiques.
-
Modélisation des flux de carbone et d’énergie : élaboration de modèles intégrant des données multi-sources (métabolisme, conditions environnementales, imagerie, isotopie) pour prédire et quantifier les flux biogéochimiques au sein des écosystèmes.
Le projet devra mettre en évidence la capacité du/de la candidat(e) à s’intégrer dans l’une des équipes du LMGE, EPIE, IRTA ou MEB (lmge.uca.fr), en contribuant au développement de collaborations internes et à la valorisation des compétences transversales du laboratoire. Le/la candidat(e) devra justifier d’une expérience dans le développement de méthodes ou le traitement de données à l’interface entre l’intelligence artificielle et la biologie, attestée par une production scientifique de qualité (publications, logiciels, pipelines,).
Une expertise des approches d’apprentissage supervisé et non supervisé, de l’apprentissage profond (réseaux de neurones), ou de la modélisation probabiliste appliquée aux données biologiques sera particulièrement appréciée. Des connaissances en biologie, et plus spécifiquement en écologie microbienne, constitueront un atout majeur pour une intégration réussie au sein de l’unité.
Le/la lauréat(e) bénéficiera d’un environnement scientifique et technique de haut niveau au sein de l’Université Clermont Auvergne :
- Accès aux infrastructures de calcul haute performance du mésocentre UCA et à la plateforme AuBI, membre du réseau de l’Institut Français de Bioinformatique (IFB).
- Appui institutionnel fort via par exemple le cluster MIAI, offrant de nombreuses opportunités de collaborations interdisciplinaires et de financements ciblés.
- Intégration dans un écosystème dynamique de recherche et d’innovation, favorisant les interactions entre sciences du vivant, mathématiques, informatique et environnement.
Ce poste contribuera à renforcer la visibilité et l’attractivité du LMGE dans les thématiques émergentes de l’intelligence artificielle appliquée à l’écologie aquatique et à la santé, deux domaines d’excellence scientifique de l’Unité.
Contact recherche : Pr. Didier Debroas - didier.debroas@uca.fr
PROFIL ENSEIGNEMENT
L’enseignement sera exercé à l’ UFR Biologie, composante de l’Institut SVSAE à l’Université Clermont Auvergne. L’enseignant(e)-chercheur(se) assurera des cours magistraux, des travaux dirigés et des travaux pratiques de biostatistiques et de bioinformatique, en Licence Sciences de
la Vie et en Master Bio-informatique. Certains enseignements se feront en anglais. La personne recrutée participera aux préparations des sujets d’examen, aux corrections des contrôles continus et des examens, aux soutenances orales (projets personnels, stages,…), aux jurys de promotion et à l’encadrement des étudiantes et des étudiants. Elle aura également pour mission de s’impliquer dans le développement des approches par compétences. La personne recrutée intégrera l’équipe pédagogique Biostatistique-Bioinformatique avec pour mission de développer les enseignements d’intelligence artificielle (Intelligence Artificielle-Machine learning / Deep learning) dans les différentes formations portées par l’UFR biologie. Dans ce contexte et dans le cadre de la définition de la nouvelle offre de formation de l’UFR Biologie (2027), la personne recrutée sera en charge du développement de cours relatifs à la conception, l’entraînement et l’évaluation de modèles d’IA (classification supervisée / non supervisée, réseaux de neurones) appliqués aux données biologiques complexes.
Contact enseignement : Pr. Jean-Louis Julien - j-louis.julien@uca.fr