H/F Projet doctoral en apprentissage profond pour les sciences du vivant

Sujet de thèse :
Modèle génératif profond de molécules actives conditionnées par le phénotype cellulaire.
Mission : Le doctorant contribuera au développement d’approches innovantes en intelligence artificielle pour la découverte de nouveaux composés chimiques à visée thérapeutique. Il s’agira d’élaborer un modèle génératif conditionné par des données, avec pour objectif de concevoir des molécules capables de reproduire un état cellulaire souhaité. Le candidat participera à la définition des objectifs scientifiques, à la mise en place des protocoles d’évaluation et à la valorisation des résultats sous forme de publications et de collaborations interdisciplinaires.
Activités : Les travaux incluront la conception, l’entraînement et l’évaluation de modèles de diffusion appliqués aux graphes moléculaires, ainsi que le développement de métriques robustes pour caractériser la qualité et la diversité des composés générés. Le candidat manipulera des jeux de données à grande échelle alliant structures chimiques et phenotype cellulaire, et mettra en œuvre des techniques avancées d’apprentissage profond. Des échanges réguliers avec un partenaire industriel permettront d’explorer la synthèse et le test expérimental des candidats identifiés.
Contexte :
La thèse s’inscrit dans un environnement de recherche à l’interface de la biologie, de la chimie et de l’intelligence artificielle. Le projet est porté par une équipe pluridisciplinaire spécialisée dans l’analyse d’images cellulaires et la modélisation multimodale, offrant un cadre propice à l’innovation scientifique. Le candidat bénéficiera d’un encadrement de proximité, d’un accès à des infrastructures de calcul de pointe et d’opportunités de collaboration avec des chercheurs académiques et industriels, dans une dynamique orientée vers la découverte de médicaments first-in-class.