Offre en lien avec l’Action/le Réseau : DSChem/– — –
Laboratoire/Entreprise : Laboratoire Bordelais de Recherche en Informatique
Durée : 6 mois
Contact : victoria.bourgeais@u-bordeaux.fr
Date limite de publication : 2026-12-31
Contexte :
Au sein de l’équipe BKB du laboratoire LABRI, nous nous intéressons à l’étude de différents phénotypes à partir de données d’expression de gènes, en particulier les données de cellule unique (scRNASeq). L’expression d’un gène correspond à la quantité d’ARN qui est « produit » par ce gène, que l’on peut interpréter comme son niveau d’activité. Il est ainsi possible de caractériser un patient par son profil d’expression génique. Grâce aux progrès technologiques, nous sommes désormais capables de mesurer l’expression génétique au niveau cellulaire et d’estimer le nombre de classes cellulaires présentes. À partir de ces données d’expression à l’échelle cellulaire, nous pouvons entraîner des réseaux de neurones pour reconnaître des types cellulaires et identifier des signatures génétiques cellulaires. Ces approches permettent de mieux caractériser certaines pathologies (par exemple la progression d’un cancer au sein d’une cohorte) et d’adapter la prise en charge en fonction des caractéristiques du patient [1].
Sujet :
(English version available in attached PDF)
Un premier volet de ce projet vise à explorer les dernières avancées sur les méthodes de classification non supervisées (i.e., clustering) pour identifier des regroupements de cellules partageant des signatures génétiques communes. L’objectif sera de proposer une solution basée sur l’apprentissage profond, prometteuse selon la littérature, en intégrant l’étape de réduction de dimensionnalité et de clustering dans le même modèle, par opposition aux méthodes classiques en deux étapes, via une analyse en composantes principales (ACP) puis un k-means, par exemple. La piste privilégiée consistera à utiliser un réseau de neurones sur graphes (Graph Neural Network, GNN) afin d’apprendre des représentations latentes des cellules en exploitant à la fois leur profil d’expression génique et les relations de voisinage représentées dans un graphe de similarité. L’apprentissage du GNN permettra de produire un espace latent intégrant les interactions entre cellules, propice à l’identification de populations cellulaires cohérentes. Le clustering sera réalisé directement dans cet espace latent et l’originalité consistera à intégrer conjointement l’apprentissage des représentations et celui du clustering [2]. Différentes architectures de GNN seront étudiées et comparées afin d’évaluer leur capacité à capturer la structure des données scRNA-seq. L’objectif sera d’évaluer dans quelle mesure les GNN permettent d’améliorer les performances obtenues avec les auto-encodeurs étudiés lors de précédents stages [3], tout en les comparant aux approches classiques de réduction de dimension suivie d’un clustering.
Le deuxième volet de ce projet est plus exploratoire. Le domaine du biomédical est marqué par la multiplication des jeux de données de cellule unique accessibles via différents portails. Un nouveau défi de recherche consiste alors à intégrer ces différents jeux de données pour pouvoir les comparer [4]. À partir des représentations apprises par les GNN sur chaque jeu de données, nous étudierons différentes stratégies permettant d’aligner ces représentations dans un espace latent commun. L’objectif sera d’évaluer dans quelle mesure des mécanismes d’apprentissage par transfert ou d’adaptation de domaine [5] permettent d’exploiter les connaissances acquises sur un jeu de données A pour améliorer le clustering et l’intégration d’un jeu de données B présentant des phénotypes comparables.
Enfin, une attention particulière sera portée à la visualisation des représentations apprises. L’objectif sera de construire un espace latent de faible dimension, idéalement bidimensionnel, permettant d’explorer visuellement les populations cellulaires identifiées et de faciliter l’interprétation des résultats par les biologistes. Cette analyse sera complétée par des approches d’interprétation biologique, notamment des analyses d’enrichissement fonctionnel et l’identification de gènes biomarqueurs associés aux populations cellulaires détectées.
Références :
[1] Flores, M., et al. (2022). Deep learning tackles single-cell analysis — A survey of deep learning for scRNA-seq analysis. Briefings in Bioinformatics, 23(1), bbab531.
[2] Xu, P., et al. (2026). scCluBench: Comprehensive Benchmarking of Clustering Algorithms for Single-Cell RNA Sequencing. Proceedings of the AAAI Conference on Artificial Intelligence, 40(2), 1364–1372.
[3] Bidet, F., et al. (2026). scRAW: Representation learning for rare cell population identification. Poster accepted at the JOBIM conference.
[4] Asloudj, Y., et al. (2025). scEVE: A Single-Cell RNA-Seq Ensemble Clustering Algorithm Capitalizing on the Differences of Predictions between Multiple Clustering Methods. NAR Genomics and Bioinformatics, 7(2), lqaf073.
[5] Tan, C., et al. (2018). A Survey on Deep Transfer Learning. Artificial Neural Networks and Machine Learning – ICANN 2018, 270–279.
Profil du candidat :
Étudiant ou étudiante en master 2 ou 3ème année d’école d’ingénieur en bioinformatique, informatique ou mathématiques appliquées présentant un intérêt pour les applications médicales et biologiques
Formation et compétences requises :
Compétences en apprentissage profond sur une diversité d’architectures et de problématiques appliquées aux données (signaux, images, texte, etc.).
Bonne maîtrise des langages Python et R.
Connaissances des bibliothèques :
– en analyse de données single-cell : Scanpy
– en machine learning : scikit-learn
– en deep learning : PyTorch et PyTorch Geometric
Adresse d’emploi :
351, cours de la Libération F-33405 Talence cedex
Document attaché : 202611160918_sujet_stage_AI_singlecell_EN.pdf

