Doctorant en bioinformatique H/F

Sujet de thèse :
Le doctorant développera et mettra en œuvre des approches computationnelles issues de l'IA et de la bioinformatique afin d'intégrer des données hétérogènes d'ordre spatial, moléculaire et d'imagerie, dans le but d'identifier les niches métaboliques associées à l'invasion et de comprendre comment s'organisent les interactions entre la tumeur et son microenvironnement dans les différentes régions du GBM.
Le doctorant sera intégré au consortium ShadowEV-GBM MIC, qui génère et analyse des ensembles de données à haute dimension comprenant la transcriptomique spatiale, l’imagerie par spectrométrie de masse, la métabolomique/lipidomique, les profils moléculaires associés aux vésicules extracellulaires, des modèles expérimentaux de GBM et des informations au niveau des patients. Le projet explorera également comment les signatures métaboliques au niveau tissulaire peuvent être reliées à des mesures cliniquement accessibles, notamment des caractéristiques d’imagerie métaboliques issues de l’IRM, afin d’ouvrir des perspectives translationnelles.

Ce riche contexte de données offre l’occasion d’étudier des questions telles que :

- Comment intégrer les profils omiques spatiaux et moléculaires pour décrire l’organisation métabolique dans le GBM ?
- Les méthodes d’IA permettent-elles d’identifier des niches métaboliques reproductibles associées à l’invasion et à la communication entre la tumeur et son microenvironnement ?
- Quelles signatures spatiales ou moléculaires sont conservées à travers les modèles expérimentaux, les données au niveau tissulaire et les caractéristiques observées dans les cohortes de patients ?
- Des scores computationnels interprétables, dérivés de données spatiales et moléculaires, peuvent-ils être mis en relation avec des phénotypes d’imagerie clinique, y compris les caractéristiques IRM métaboliques ?
- Comment les approches multimodales d’IA peuvent-elles favoriser la découverte de biomarqueurs tout en restant biologiquement interprétables ?

Le doctorant concevra et mettra en œuvre des flux de travail computationnels intégratifs en recourant à des méthodes telles que l'intégration multi-omique, la modélisation spatiale, l'apprentissage par représentation, l'analyse basée sur les réseaux, l'apprentissage non supervisé et l'IA interprétable. Le projet laisse une marge de manœuvre pour l'exploration méthodologique tout en restant étroitement lié à l'interprétation biologique, à la validation expérimentale et aux perspectives translationnelles au sein du consortium.

Contexte :
Le glioblastome (GBM) est une tumeur cérébrale agressive dont la progression est fortement influencée par la communication entre les cellules tumorales et le microenvironnement cérébral. Ces interactions sont organisées dans l’espace, en particulier le long de voies d’invasion riches en neurones, en oligodendrocytes et en matière dérivée de la myéline, et peuvent façonner les programmes méta
Voir plus sur le site emploi.cnrs.fr...