Société Française de Bioinformatique

Mots-Clés

Biostatistique, Apprentissage automatique, apprentissage profond, Intelligence artificielle, Microbiome, Santé science des données

Description

Profil Ingénieur, Post-doc :
Science des données, biostatistiques, Apprentissage automatique, bioinformatique, microbiome, diagnostics
Durée : 18 mois
Localisation : MEDiS Clermont-Fd
Contexte :
Le laboratoire MEDiS utilise des approches d’intelligence artificielle pour le développement de diagnostics prédictifs de pathologies en périnatalité. Les données de séquençage de microbiomes associées aux métadonnées cliniques constituent les supports de l’apprentissage automatique. Des scores de risque doivent être intégrés aux prédictions. De grands jeux de données issus de larges cohortes au niveau international ou dans un contexte local sont à disposition. Les travaux sont réalisés en collaboration avec les cliniciens du CHU de Clermont-Ferrand.
La personne qui sera recrutée doit posséder des compétences en science des données permettant des analyses biomathématiques, statistiques et d’intelligence artificielle dans un cadre de développement de diagnostics cliniques utilisant des données de séquençage métagénomique. Elle devra valider des méthodes statistiques permettant l’établissement de scores de risques à partir de modèles d’apprentissage automatique facilitant les interprétations cliniques.
Compétences techniques
- Analyses biostatistiques : Maîtrise des méthodes statistiques et computationnelles pour l’analyse de données biologiques. Expertise indispensable en biostatistiques pour la validation rigoureuse des modèles.
- Intelligence artificielle & machine learning : Compétences avancées en apprentissage automatique supervisé, notamment en classification. Une expérience avec des modèles d’apprentissage profond (Deep Learning) est fortement appréciée.
- Modélisation et validation : Expérience avérée dans le développement de scores de risque et de modèles prédictifs. Une expérience dans un contexte de diagnostic clinique est un plus. Solide connaissance des métriques d’évaluation et des protocoles de validation (interne et externe)
Compétences non techniques
- Esprit d’analyse et de résolution de problèmes : Capacité à transformer des questions complexes en problèmes de science des données solubles et à trouver des solutions créatives.
- Communication : Aptitude à présenter des résultats complexes de manière claire et concise à des publics non techniques (médecins, biologistes) et à justifier les choix méthodologiques.
- Travail en équipe : Capacité à collaborer efficacement au sein d’équipes pluridisciplinaires, intégrant des experts de la santé et de la biologie.
- Rigueur et autonomie : Souci du détail indispensable pour valider la robustesse des méthodes statistiques et assurer la fiabilité des diagnostics.
Formation et Expérience
- Master 2 avec une expérience minimale de 2 ans ou doctorat en biostatistique, mathématiques appliquées, statistique, bioinformatique.
- Expérience en recherche clinique ou analyse de données médicales serait un plus.

Contacts pour candidature (CV et lettre de motivation) : Pr. Pierre PEYRET (pierre.peyret@uca.fr) et Dr. Sophie COMTET-MARRE (sophie.marre@uca.fr)

Avantages et conditions de travail :
Fourchette entre 27 k€ et 34 k€ bruts annuels, selon le profil
Prime de précarité de 10%
Ticket-restaurant : 9,5€ (part employeur 60%)
Mutuelle/Prévoyance premium : prise en charge à 80% par l’employeur
Rattaché à la Convention collective SYNTEC

Information complémentaire :
Les travaux sont menés avec le soutien de Clermont Auvergne Innovation (CAI), qui est la filiale du site académique Clermont Auvergne et a pour missions : la valorisation, le transfert de technologie, la création et l’accélération d’entreprises de technologies innovantes et plus particulièrement des start-up Deeptech issues des laboratoires. CAI sera l’employeur.