Stage

Proposition et implémentation d’une approche Deep Learning GAN pour la génération de bio-signaux ECG de cas de Torsade de Pointes (TdP)

Titre:
Proposition et implémentation d’une approche Deep Learning GAN pour la génération de bio-signaux ECG de cas de Torsade de Pointes (TdP)

Objectif du projet :
Générer des données ECG de cas de TdP avec différents scénarios à l’aide de réseaux de neurones afin de mieux étudier cette arythmie cardiaque.

Stage - Analyse de données de lncRNA par RNAseq

Il est possible aujourd’hui de générer des organoïdes appelés « mini-brains » à partir de cellules souches pluripotentes induites (iPS) qui permettent de recréer in vitro l’environnement cellulaire complexe de régions du cerveau humain et de disposer ainsi de tissus reproduisant les phénotypes de pathologies neurodégénératives. Les mini-brains sont donc à la fois un outil puissant pour identifier de nouvelles cibles thérapeutiques et un modèle proche de l’humain, idéal pour préparer l’entrée de nouvelles molécules en clinique.

M2 - Analyse de données de lncRNA par RNAseq

Il est possible aujourd’hui de générer des organoïdes appelés « mini-brains » à partir de cellules souches pluripotentes induites (iPS) qui permettent de recréer in vitro l’environnement cellulaire complexe de régions du cerveau humain et de disposer ainsi de tissus reproduisant les phénotypes de pathologies neurodégénératives. Les mini-brains sont donc à la fois un outil puissant pour identifier de nouvelles cibles thérapeutiques et un modèle proche de l’humain, idéal pour préparer l’entrée de nouvelles molécules en clinique.

Refonte du site web de PhyML sur la plateforme ATGC

PhyML [1] est un logiciel d’analyse de séquences génétiques qui permet de reconstruire leurs relations de parentés évolutives, ou arbres phylogénétiques. De tels arbres permettent de comprendre les mécanismes de l’évolution et expliquer ainsi la biodiversité actuelle. PhyML a récemment joué un rôle important dans le cadre de l’analyse de séquences du virus SARS-CoV-2 en élucidant les origines temporelles et géographique de la pandémie. Il est un des logiciels phares de la bioinformatique de

Master Trainee in computational mass spectrometry

Identification of small molecules using mass spectrometry (MS) remains a major challenge, particularly from complex mixtures such as plant extracts. In this context, computational approaches are crucial for the handling of the massive MS data sets and acceleration of the identification process.
As a Master Trainee, you will use the state-of-the-art metabolites annotation to implement an automated workflow and integrate results from different methods to assess the identification accuracy.

Indexation d’une collection Zea mays : du génome au pangénome, de la référence à la diversité

Date de début et de fin flexible.

 

Contexte : 

ERA-Bio-IT est un consortium regroupant deux acteurs français majeurs dans le secteur des semences de grandes cultures et un institut technique impliqué dans le conseil variétal (Lidea -ex EURALIS Semences-, RAGT et Arvalis). L’objectif de ce consortium est de mutualiser les ressources informatiques et scientifiques pour l’analyse de données génomiques principalement issus de maïs et de blé.

Contribution à la génération d'outils pour l'analyse de profils d’anesthésie visant l’identification des étapes caractéristiques et des situations critiques en anesthésie

Le stage se situe dans un contexte de partenariat interdisciplinaire entre le LS2N (Laboratoire des Sciences du Numérique de Nantes / UMR CNRS 6004), LE SiMU (Laboratoire Expérimental de Simulation en Médecine Intensive de l'Université de Nantes) et le CHU de Nantes.

LE SiMU permet de se perfectionner dans la gestion de situations critiques dans sept spécialités médicales. Le SiMU intervient sur simulateurs de patients haute-fidélité (mannequins), avec immersion des acteurs en formation dans une équipe médicale humaine pleine-échelle interprofessionnelle.

Simulations des mécanismes d’évolution moléculaire chez la levure

Les levures Saccharomyces cerevisiae ont été domestiqué à l’Antiquité pour faire du pain, de la bière, etc. Bien qu’il existe aussi des populations naturelles, nos connaissances sur l’histoire évolutive de cette espèce reposent essentiellement sur les populations domestiquées. Or, la domestication est une adaptation rapide des génomes à des environnements contrôlés (ici, processus de levain ou d’alcoolisation) et, elle reflète la partie anthropocentrée de l’histoire de S. cerevisiae. Depuis 2018, des milliers de génomes de levures domestiquées et naturelles sont disponibles [1, 2].