Doctorat en bioinformatique et intelligence artificielle pour l'étude de la plasticité tumorale H/F

Description du Poste
Sujet De Thèse
Titre : Décrypter la plasticité tumorale à l'aide de modèles de fondation et de réseaux de régulation génique intégrant des données multimodales
Résumé :
La plasticité des cellules tumorales, c'est-à-dire leur capacité à changer d'état transcriptionnel en réponse à des signaux intrinsèques ou environnementaux, joue un rôle majeur dans la progression tumorale et la résistance aux traitements. Comprendre les mécanismes moléculaires qui gouvernent ces transitions constitue donc un enjeu important en oncologie.
Cette thèse vise à développer et appliquer des approches bioinformatiques et d'intelligence artificielle pour identifier les réseaux de régulation génique (Gene Regulatory Networks, GRN) impliqués dans la plasticité tumorale à partir de données de transcriptomique en cellule unique. Le projet s'appuiera principalement sur l'adénocarcinome canalaire pancréatique (PDAC), pour lequel nous disposons d'un atlas intégré de données scRNA-seq regroupant plus d'un million de cellules issues de plus de 200 patients.
Le projet combinera des méthodes classiques d'inférence de GRN, telles que SCENIC, avec des approches récentes basées sur les modèles de fondation pour données single-cell. Des données multimodales, notamment épigénomiques, seront également intégrées afin d'affiner les réseaux obtenus et de mieux identifier les régulateurs associés aux transitions entre états tumoraux.
Objectifs spécifiques :

• Identifier les programmes de régulation associés à la plasticité tumorale. À partir de notre atlas single-cell du PDAC, le projet étudiera les programmes transcriptionnels et les facteurs de transcription associés au continuum entre états tumoraux classique, intermédiaire et basal-like. Les approches fondées sur les modèles de fondation seront confrontées aux méthodes conventionnelles d'inférence de GRN et aux régulateurs précédemment identifiés.
• Intégrer des données multimodales pour affiner les GRN. Des données complémentaires disponibles publiquement, notamment d'accessibilité de la chromatine et d'autres données épigénomiques, seront intégrées aux données transcriptomiques afin d'apporter des éléments biologiques supplémentaires aux relations de régulation inférées et de prioriser les régulateurs candidats de la plasticité.
• Évaluer la généralisation des approches développées à d'autres contextes tumoraux. Les méthodes développées dans le PDAC pourront être appliquées à d'autres cancers présentant des paysages de plasticité distincts, afin d'étudier leur capacité à caractériser des états tumoraux intermédiaires et leurs programmes de régulation.

Cette thèse est réalisée dans le cadre du projet AIMPACT, qui développe des approches d'intelligence artificielle pour caractériser et prédire la plasticité tumorale en combinant réseaux de régulation génique, transcriptomique spatiale et modélisation prédictive. Le/la doctorant.e contribuera directement aux travaux sur l'inférence des GRN en cellule unique et participera également à l'organisation de data challenges d'AIMPACT.
Votre Environnement de Travail
L'Institut de Génétique et Développement de Rennes (IGDR ; CNRS UMR6290) est un institut de recherche en biologie situé sur le campus santé de l'Université de Rennes. Fort de ses ~200 membres, l'IGDR est un institut de recherche en biologie qui développe des approches innovantes et pluridisciplinaires pour mieux comprendre les mécanismes fondamentaux régissant la division, l'identité et la plasticité des cellules. Ses recherches s'appuient notamment sur des approches à l'interface de la biologie, des mathématiques, de la physique et de l'informatique.
La thèse sera principalement réalisée au sein de l'équipe émergente BINGO de l'IGDR, qui développe des approches bioinformatiques et statistiques pour l'analyse de données génomiques et transcriptomiques complexes, dans le domaine du cancer. Le projet bénéficiera également de l'expertise de l'équipe @OMICs (OSS, INSERM) et des partenaires du consortium AIMPACT dans les domaines de l'intelligence artificielle et de la modélisation.
La thèse sera encadrée par Yuna Blum et Thomas Derrien (équipe émergente BINGO, IGDR, CNRS) et Myriam Bontonou (équipe @OMICs, OSS, INSERM). Elle bénéficiera également d'échanges réguliers avec Magali Richard (LIG, UGA, CNRS), avec qui Yuna Blum coordonne le projet AIMPACT.
Le projet sera réalisé à Rennes, sur le campus de Villejean, et bénéficiera des infrastructures de calcul et de stockage disponibles localement, notamment des plateformes bioinformatiques GenOuest, Eskemm.
Contraintes et risques
Rémunération et avantages
Rémunération
La rémunération est d'un minimum de 2300,00 € mensuel
Congés et RTT annuels
44 jours
Pratique et Indemnisation du TT
Pratique et indemnisation du TT
Transport
Prise en charge à 75% du coût et forfait mobilité durable jusqu'à 300€
À propos de l'offre
Référence de l'offre
UMR6290-YUNBLU-001
Section(s) CN / Domaine de recherche
Modélisation mathématique, informatique et physique pour les sciences du vivant
À propos du CNRS
Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d'associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.