CDD Chercheur/Chercheuse en biologie computationnelle (H/F)

Missions :
Un poste de chercheur sur un contrat de 5 mois est disponible dans l'équipe SPARKS du laboratoire I3S, Université Côte d'Azur, France.

Les recherches en bioinformatique menées dans l'équipe portent sur l'utilisation d'approches réseau pour analyser et intégrer des données 'omiques à grande échelle, et sur le développement d'outils informatiques permettant de modéliser la manière dont les perturbations de la régulation des gènes peuvent affecter les processus biologiques.

Dans le cadre d'un projet visant à développer un nouveau test pour détecter et quantifier le risque de carcinogènes non génotoxiques (NGTxC), nous prévoyons d'adopter une approche holistique pour mieux comprendre les processus à l'œuvre à l'échelle du système biologique. En intégrant des données publiques et les données de génomique générées par le laboratoire de biologie avec lequel nous collaborons, nous modéliserons les données sous la forme de réseaux. En biologie des systèmes, un réseau met en correspondance des entités moléculaires (par exemple, des gènes, des transcrits, des protéines) via leurs interconnexions fonctionnelles (qui peuvent être des interactions physiques, des inductions transcriptionnelles, des activations enzymatiques, etc). Cette modélisation, prenant en compte les composants individuels et leurs interactions, nous permettra d’identifier des sous-parties des réseaux particulièrement actives dans les dérégulations provoquées par les NGTxC. Des algorithmes efficaces pour découvrir ces modules actifs dans des réseaux complexes ont été proposés [1] et sont étudiés par l’équipe SPARKS à l’I3S [2-3].

La mission du chercheur recruté sera de développer une méthode d’identification des modules de gènes actifs à partir de résultats d’analyse single Cell.

Références :
1. Nguyen, H., Shrestha, S., Tran, D., Shafi, A., Draghici, S., & Nguyen, T. (2019). A comprehensive survey of tools and software for active subnetwork identification. Frontiers in genetics, 10, 155.
2. Corrêa, L., Pallez, D., Tichit, L., Soriani, O., & Pasquier, C. (2019, December). Population-based meta-heuristic for active modules identification. In Proceedings of the Tenth International Conference on Computational Systems-Biology and Bioinformatics (pp. 1-8).
3. Pasquier, C., Guerlais, V., Pallez, D., Rapetti-Mauss, R., & Soriani, O. (2021). Identification of active modules in interaction networks using node2vec network embedding. BioRxiv.
4. Rossetti, G., & Cazabet, R. (2018). Community discovery in dynamic networks: a survey. ACM computing surveys (CSUR), 51(2), 1-37.
5. Chunaev, P. (2020). Community detection in node-attributed social networks: a survey. Computer Science Review, 37, 100286.
6. Fu, L., Lin, P., Vasilakos, A. V., & Wang, S. (2020). An overview of recent multi-view clustering. Neurocomputing, 402, 148-161.
7. Ji, Y., Lotfollahi, M., Wolf, F. A., & Theis, F. J. (2021). Machine learning for perturbational single-cell o
Voir plus sur le site emploi.cnrs.fr...