Post-doctorant – Modèles de deep learning pour prédire des phénotypes à partir de données génomiques(H/

Missions :
Nous recherchons un chercheur ou une chercheuse postdoctoral motivé pour rejoindre le groupe AI for Genome Interpretation (AI4GI) à l’IGMM (CNRS, Montpellier). Le projet est une collaboration entre l’IGMM et l’IMAG, à l’interface de la génétique, de la bioinformatique, des statistiques, de l’apprentissage automatique et du deep learning.
Objectifs du projet : Interpréter le génome signifie modéliser la relation entre génotype et phénotype, ce qui constitue l’objectif fondamental de la biologie. Y parvenir pourrait révolutionner la génétique, la médecine et les technologies agricoles, menant par exemple au développement de cultures plus performantes capables de faire face aux défis du réchauffement climatique.
Ce projet est un effort interdisciplinaire à la frontière entre la biologie (génétique, génomique), la bioinformatique, l’intelligence artificielle (réseaux neuronaux) et les statistiques (LMMs). Le but est de combiner l’expertise de Dr Raimondi en développement de méthodes d’interprétation du génome par réseaux neuronaux et leur application à des problèmes biologiques pertinents, avec l’expertise du Dr Bry et du Dr Trottier en inférence statistique des modèles linéaires mixtes (LMMs).
L’objectif est de développer une nouvelle génération de réseaux neuronaux à effets mixtes (Mixed Effects Neural Networks, MENN) pour l’interprétation du génome, tirant parti à la fois de la flexibilité et de la puissance des NNs, et de la capacité des LMMs à apprendre de manière robuste à partir de données structurées et bruitées (non i.i.d.), en les appliquant à la prédiction de phénotypes chez les plantes et chez l’humain.

Activités :
• Se familiariser avec la recherche existante en interprétation du génome, notamment les publications précédentes du laboratoire AI4GI (https://academic.oup.com/nar/article/50/3/e16/6430850?login=false , https://link.springer.com/article/10.1186/s13059-025-03692-6 , https://link.springer.com/article/10.1186/s13059-023-03064-y), les modèles linéaires mixtes et les GWAS.
• Se familiariser avec les données de séquençage (format VCF).
• Développer et évaluer une nouvelle architecture de réseau neuronal mélangeant effets fixes et aléatoires (Mixed Effects Neural Networks, MENN) sur des jeux de données de séquençage (WES/WGS), en commençant par les organismes modèles puis en travaillant sur la prédiction du risque de maladies humaines.

Contexte de travail :
La candidate ou le candidat rejoindra la nouvelle équipe de recherche en IA dirigée par Daniele Raimondi au sein de l’Institut de Génétique Moléculaire de Montpellier (IGMM, UMR5535 CNRS/Université de Montpellier) pour un projet de 16 mois, avec un contrat initial de 6 mois renouvelable.
L’IGMM est un institut multidisciplinaire dont les travaux ont un impact international, tant fondamental qu’appliqué, en biologie moléculaire et cellulaire (www.igmm.cnrs.fr).
L’institut rassemble plus de 200 personnes (cherch
Voir plus sur le site emploi.cnrs.fr...