Mots-Clés
outils de prédiction, outils de clusterisation, bioinformatique, données massives, métagénomique, virome, matière noire, AI
Description
Proposition de stage de Master 2 en Bioinformatique
REFVIR : Exploration de la diversité virale du microbiome pulmonaire humain par la construction d’un catalogue de génomes de référence grâce à l’Intelligence Artificielle.
Lieu : HCL GENEPII (Lyon, Croix rousse)
Durée : 6 mois, dès janvier-février 2027
Co-Encadrement : Vincent Navratil (UCBL, PRABI) vincent.navratil@univ-lyon1.fr ; Laurence Josset (CIRI, HCL) laurence.josset@chu-lyon.fr ; Hussein Anani (CIRI, HCL) hussein.anani@chu-lyon.fr
Mots clés : outils de prédiction, outils de clusterisation, bioinformatique, données massives, métagénomique, virome, matière noire, AI
1. Contexte scientifique et local du projet
Le séquençage métagénomique et métatranscriptomique a profondément transformé l’étude des écosystèmes microbiens, en permettant le séquençage sans a priori de l’ensemble des ADN et ARN présents dans un échantillon. Cette approche, désormais utilisée en diagnostic clinique pour identifier de nouveaux pathogènes ou détecter des agents infectieux rares, offre également une vision globale du microbiome, incluant le virome, le bactériome et d’autres composantes microbiennes (Wahl et al., 2022). Cependant, l’analyse bioinformatique de ces données complexes repose sur une multitude d’outils et de pipelines, dont les performances varient considérablement selon les jeux de données, les types de virus (ADN ou ARN) et les stratégies d’assemblage employées (Koonin et al., 2021; Gregory et al., 2023). Les virus à ADN et virus à ARN présentent des caractéristiques génomiques très distinctes, en taille, en composition et en taux de mutation, ce qui rend leur détection et leur classification particulièrement difficiles. Les outils existants peuvent, par exemple, montrer une sous-détection des virus à ARN en raison de leur plus grande variabilité génétique ou de l’absence de régions conservées facilement identifiables (Zayed et al., 2022). De même, la redondance des bases de données, la qualité variable des assemblages métagénomiques et l’absence de référence pour de nombreux virus inconnus compliquent encore la prédiction et la taxonomie virale (Paez-Espino et al., 2019). Une étude comparative des principaux outils de détection virale a été menée au sein de notre équipe afin de réduire la proportion de matière noire virale dans les environnements à faible abondance en virus (c.f. virome respiratoire bas décrit dans Anani et al. 2025). Cette évaluation a permis d’améliorer significativement la détection des séquences virales en exploitant des méthodes de prédiction fondées sur l’intelligence artificielle. Les approches développées ont ainsi révélé un nombre accru de séquences virales qui demeurent absentes ou non caractérisées dans les bases de données de référence actuellement disponibles.
Dans ce contexte, la mise en place d’un catalogue du virome respiratoire est indispensable pour évaluer de manière objective la diversité virale dans les voies respiratoires chez les individus sains et malades.
L’approche méthodologique repose sur l’assemblage de novo des génomes viraux à partir de données métagénomiques et métatranscriptomiques, une technique puissante qui permet de reconstruire des séquences complètes sans dépendre de bases de données de référence. Cette technique offre la possibilité de détecter des virus inédits ou fortement divergents, de révéler des pathogènes respiratoires qui auraient échappé aux outils classiques et d’explorer la « matière noire virale », c’est-à-dire l’ensemble des séquences encore non caractérisées issues de la métagénomique. Parallèlement, de nouveaux pipelines bioinformatiques ont été développés pour améliorer la découverte, la classification et l’annotation fonctionnelle des génomes viraux, intégrant souvent des approches d’intelligence artificielle et d’apprentissage automatique
Objectifs scientifiques du projet
Le projet REFVIR a pour objectif de construire un catalogue de référence de génomes viraux annotés à partir de données de séquençage de prélèvements respiratoires des voies aériennes supérieures et inférieures. Il intégrera une évaluation comparative des méthodes de regroupement (clustering) des contigs en espèces virales afin d’améliorer la caractérisation et la résolution taxonomique des génomes viraux.
Outils à mettre en œuvre : MMSEQ2, VCLUST, CDHIT, MVP, Deepvirfinder, ViraLM, genoMAD, Deepmicroclass, Blast
Jeux de données : dataset du laboratoire (données de séquençage des prélèvements respiratoires de patients sains et malades), et de la littérature (données de séquençage disponibles dans NCBI et associées à des publications de viromes respiratoires).
Le·la candidat·e travaillera en collaboration étroite avec les responsables scientifiques du stage pour développer ses compétences à l’interface de la virologie, de la bioinformatique et de la métagénomique/métatranscritpomique. Il.elle pourra bénéficier d’un support technique de la plateforme GENEPII (https://teamhcl.chu-lyon.fr/genepii) pour être guidé au mieux dans les choix méthodologiques et leur mise en œuvre (bonnes pratiques de développement, infrastructure de calcul). Les bases de données, les jeux de données, l’infrastructure informatique et les outils bioinformatiques nécessaires à la bonne réalisation des tâches listées ci-dessus seront disponibles dès le début du projet.
2. Valorisation scientifique
Les résultats obtenus issus de ce master peuvent être valorisé dans un article scientifique.
3. Compétences recherchées
Nous recherchons un·e candidat·e de niveau bac + 4 en bioinformatique. Il·elle devra être capable d’interagir avec différents chercheurs et ingénieurs du projet pour développer et mettre en place des méthodes innovantes en sciences de la vie.
Compétences souhaitées :
- R, Shell, Python, algorithmes bioinformatiques
- Traitement des données de séquençage (lectures de séquençage brutes)
- Comprendre les technologies de séquençage
- Versioning sous git
- Fortes capacités relationnelles et d’organisation, autonomie
- Capacités rédactionnelles, esprit d’analyse et de synthèse
4. Informations pratiques
Le stagiaire sera hébergé sur la plateforme GENEPII afin de favoriser les échanges interdisciplinaires. Ce stage bénéficiera d’une gratification de 6 mois à partir de janvier-février 2027 (552 euros/mois). Pour tout renseignement ou candidature, merci d’adresser un CV et une lettre de motivation le plus rapidement possible pour démarrage début 2027 à l’attention de : Vincent Navratil (UCBL, PRABI) vincent.navratil@univ-lyon1.fr ; Laurence Josset (CIRI, HCL) laurence.josset@chu-lyon.fr ; Hussein Anani (CIRI, HCL) hussein.anani@chu-lyon.fr.
5. Bibliographie
Wahl, A., Huptas, C. & Neuhaus, K. Comparison of rRNA depletion methods for efficient bacterial mRNA sequencing. Sci. Rep. 12, 5765 (2022).
Paez-Espino, D., Zhou, J., Roux, S., Nayfach, S., Pavlopoulos, G. A., Schulz, F., McMahon, K. D., Walsh, D., Woyke, T., Ivanova, N. N., Eloe-Fadrosh, E. A., Tringe, S. G., & Kyrpides, N. C. (2019). Diversity, evolution, and classification of virophages uncovered through global metagenomics. Microbiome, 7, 157.
Koonin E.V., Kuhn J.H., Dolja V.V., Krupovic M. (2024). Megataxonomy and global ecology of the virosphere. The ISME Journal, 18(1): wrad042.
Gregory A.C., et al. (2023). The global virome: How much diversity and how many independent origins? Environmental Microbiology, 25(1): 40‑44. https://doi.org/10.1111/1462‑2920.16207
Zayed A.A., Wainaina J.M., Dominguez‑Huerta G., Pelletier E., Pons J.C., et al. (2022). Expansion of the global RNA virome reveals diverse clades of bacteriophages and eukaryotic viruses. Cell, 185(21): 4023‑4038.e18. https://doi.org/10.1016/j.cell.2022.09.031