Machine learning based approaches for multi-omics data in personalized treatment of sepsis

When:
01/05/2022 – 02/05/2022 all-day
2022-05-01T02:00:00+02:00
2022-05-02T02:00:00+02:00

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Laboratoire DAVID, UVSQ, Université Paris-Saclay
Durée : 3 ans
Contact : zaineb.chelly-dagdia@uvsq.fr
Date limite de publication : 2022-05-01

Contexte :
Ce sujet de thèse d’inscrit dans le projet RHU RECORDS (Rapid Recognition of Corticosteroid Resistant or Sensitive Sepsis) qui vise à identifier et à valider des biomarqueurs de prédiction de la réponse thérapeutique aux corticoïdes dans le cadre du sepsis.

Sujet :
L’objectif principal de cette thèse est d’étudier les méthodes existantes de l’apprentissage automatique dans l’analyse de données omiques obtenues dans le cadre du RHU RECORDS, et de proposer de nouvelles méthodes en fonction des limites qui seront identifiées. La méthodologie de travail qui sera suivie par le doctorant(e) est comme suit :
1. Étudier les méthodes de l’état de l’art dédiées à la réduction de dimensions pour les données multi-omiques de RHU RECORDS.
2. Identifier les limites de celles-ci et proposer des nouvelles méthodes qui permettent de les pallier.
3. Étudier les méthodes de l’état de l’art dédiées au regroupement afin de découvrir des relations ou interactions entre les patients.
4. Identifier les limites de celles-ci et proposer des nouvelles méthodes qui permettent d’y remédier.
5. Proposer et implémenter, après avoir fait une étude de l’existant, un pipeline bio-informatique permettant l’intégration et la visualisation des données multi-omiques.
6. Résumer le travail réalisé sur chaque partie dans un document de recherche scientifique qui sera soumis à une conférence/une revue internationale.

Profil du candidat :
La candidate ou le candidat doit être titulaire d’un Master en informatique ou bio-informatique.

Formation et compétences requises :
La candidate ou le candidat doit être titulaire d’un Master en informatique ou bio-informatique. Elle/il devrait avoir :
● Solides compétences en programmation et bases de données
● Bonne expérience en statistiques
● Bonne expérience en apprentissage automatique (machine learning)
● Bonne expérience en bio-informatique (souhaitable mais non obligatoire)
● Bonne communication orale en anglais, compétences techniques en lecture et en écriture ;

Adresse d’emploi :
●DAVID/équipe ADAM, Campus de sciences à Versailles, Université de Versailles St-Quentin UVSQ / Université Paris-Saclay.
●Inserm UMR 1173 Laboratoires II et LARENE, UFR Simone Veil, Montigny-le-Bretonneux, UVSQ / Université Paris-Saclay

Document attaché : 202204140633_40808 (002).pdf