Mots-Clés

Graphe de connaissances biomédicales GraphRAG Oxylipines Cytokines Polyarthrite rhumatoïde

Description

Contexte

Le stage s’inscrit au sein de l’Unité de Nutrition Humaine de l’INRAE et de l’équipe VaRIAe, qui étudie la variabilité interindividuelle des réponses métaboliques et inflammatoires à l’alimentation. Dans le cadre du projet scientifique DYNAMO, consacré à la polyarthrite rhumatoïde, l’objectif est d’explorer les relations dynamiques entre cytokines, oxylipines, inflammation et trajectoire de la maladie. Les oxylipines constituent notamment une famille de médiateurs lipidiques impliqués dans les processus inflammatoires et de résolution de l’inflammation. Le stage contribuera à la construction d’un graphe de connaissances biomédicales à partir de publications scientifiques. Ce graphe sera ensuite exploité dans une architecture GraphRAG, combinant recherche documentaire, représentation en graphe et modèle de langage pour répondre à des questions scientifiques avec des éléments de preuve et des références aux sources.

Objectifs

• Définir un modèle de connaissances adapté à la représentation des entités et relations biologiques étudiées.
• Développer un pipeline reproductible d’extraction, de normalisation et de structuration des connaissances.
• Construire un graphe de connaissances, associant chaque relation à sa source documentaire.
• Évaluer la qualité des extractions et la pertinence du graphe pour des requêtes biologiques ciblées.

Missions

Le stage sera organisé autour des activités suivantes :
• Réaliser un état de l’art sur les graphes de connaissances biomédicales, l’extraction d’information et les architectures GraphRAG.
• Définir les critères de sélection, de déduplication et de préparation du corpus.
• Extraire le texte et les métadonnées des publications retenues.
• Identifier et normaliser les entités ciblées : cytokines, oxylipines, enzymes, récepteurs, cellules, tissus, maladies, phénotypes et processus biologiques.
• Extraire les relations biologiques et leur contexte : association, activation, inhibition, augmentation, diminution ou corrélation.
• Conserver la provenance des informations : publication, passage textuel, contexte expérimental et niveau de confiance.
• Construire et interroger le graphe sous une forme adaptée
• Constituer un jeu d’annotations ou de validations manuelles pour évaluer les performances.
• Tester des requêtes biologiques et des scénarios d’interrogation via le système GraphRAG.

Profil recherché

Étudiant ou étudiante en deuxième année de Master de bioinformatique, biologie computationnelle, science des données appliquée aux sciences du vivant ou formation équivalente. Une formation en ingénierie des données en sciences de la vie constitue un atout particulier. Le ou la candidate devra présenter un intérêt pour la représentation des connaissances, la modélisation de données scientifiques et l’interopérabilité des données biologiques.

Compétences souhaitées

• Bonne maîtrise de Python et de la manipulation de données.
• Intérêt pour le traitement automatique du langage et l’intelligence artificielle.
• Notions de bases de données, graphes ou web sémantique.
• Intérêt pour les ontologies et l’interopérabilité des données biologiques.
• Connaissances générales en biologie.
• Capacité à analyser des publications scientifiques en anglais.

Encadrement

Olivier Dameron - Professeur Université Rennes – IRISA, équipe BioGraphs, Rennes
Franck Giacomoni – Ingénieur de recherche en bioinformatique – INRAE, Unité de Nutrition Humaine Clermont Ferrand