Doctorant Calcul des Voies Métaboliques Intercellulaires pour les Communautés Microbiennes H/F - INRIA

A propos d'Inria Inria est l'institut national de recherche dédié aux sciences et technologies du numérique. Il emploie 2600 personnes. Ses 215 équipes-projets agiles, en général communes avec des partenaires académiques, impliquent plus de 3900 scientifiques pour relever les défis du numérique, souvent à l'interface d'autres disciplines. L'institut fait appel à de nombreux talents dans plus d'une quarantaine de métiers différents. 900 personnels d'appui à la recherche et à l'innovation contribuent à faire émerger et grandir des projets scientifiques ou entrepreneuriaux qui impactent le monde. Inria travaille avec de nombreuses entreprises et a accompagné la création de plus de 200 start-up. L'institut s'eorce ainsi de répondre aux enjeux de la transformation numérique de la science, de la société et de l'économie.
Doctorant F/H Calcul des voies métaboliques intercellulaires pour les communautés microbiennes Type de contrat : CDD Niveau de diplôme exigé : Bac +5 ou équivalent Fonction : Doctorant Niveau d'expérience souhaité : De 3 à 5 ans A propos du centre ou de la direction fonctionnelleLe centre Inria de Lyon est le 9ème centre de recherche Inria. Créé en janvier 2022, il regroupe environ 410 personnes au sein de 20 équipes de recherche et des services supports à la recherche.Ses équipes sont localisées à Villeurbanne, à Lyon Gerland,Lyon Bronainsi qu'à Saint-Etienne.Le centre de Lyon est présent dans les domaines du logiciel, du calcul distribué et haute performance, des systèmes embarqués, du calcul quantique et de respect de la vie privée dans le monde numérique, mais aussi de la santé et de la biologie numériques.Contexte et atouts du posteDans le cadre d'un partenariat (vous pouvez choisir entre)collaboration ERABLE INRIA Lyon,MAIAGEINRAE Jouy-en-Josas etMIA INRAE Paris-SaclayL' objectif est deLe/la doctorant(e)développera un programme de modélisation robuste et automatisé permettant la construction, l'analyse et la comparaison systématiques de modèles de communautés microbiennes. Cela facilitera l'étude ultérieure d'autres consortiums, en rendant possible la génération et l'analyse de nouveaux modèles de manière simple et évolutive.Des déplacements réguliers sont prévus pour ce poste ?Le/la doctorant(e) aura accès au laboratoire LBBE, aura un badge d'accès, un bureau et un ordinateur. Elle fera des visites régulières dans l'équipe de Wolfram Liebermeister (Maiage, INRAE Jouy-en-Josas).En termes de ressources matérielles, le doctorant disposera d'une station de calcul haute performance adaptée aux tâches intensives de modélisation et d'analyse de données.Mission confiéeMissions :Lapersonne recrutée sera amenée à effectuer undoctorat codirigée par S. Peres, W. Liebermeister et Alberto TondaPour une meilleure connaissance du sujet de recherche proposé :Les communautés microbiennes jouent un rôle central dans de nombreux processus naturels et artificiels, notamment les écosystèmes du sol, la santé humaine et la production alimentaire. Malgré leur importance, notre capacité à prédire, contrôler et concevoir rationnellement ces communautés demeure limitée. La plupart des approches de modélisation existantes reposent soit sur des observations empiriques, soit sur des cadres d'analyse par contraintes, tels que l'analyse des flux métaboliques, qui supposent généralement une fonction objectif prédéfinie au niveau de la communauté ou de l'organisme. De ce fait, ces approches n'offrent qu'une vision partielle de la diversité des interactions métaboliques possibles et des mécanismes sous-jacents à la structure et à la stabilité des communautés. Ce projet vise à développer un nouveau cadre informatique pour l'analyse systématique et mécaniste des communautés microbiennes, basé sur le concept de modes élémentaires de flux de communauté (ECFM). Les ECFMs étendent la notion de modes de flux élémentaires (EFMs) du métabolisme d'un seul organisme aux systèmes multi-espèces. Les EFMs constituent un cadre puissant pour l'analyse exhaustive du réseau métabolique d'un organisme en identifiant toutes les voies minimales possibles au sein du système. Les ECFM décrivent des ensembles minimaux d'activités métaboliques coordonnées entre plusieurs organismes, permettant une fonction donnée au niveau de la communauté, sans supposer d'optimalité. Ceci les rend particulièrement adaptés à l'exploration des interactions métaboliques possibles et à la mise en évidence de la coopération et de la compétition microbiennes. L'application des ECFM s'est jusqu'à présent limitée à de petits systèmes de validation de principe en raison d'importants défis de calcul.L'objectif principal de ce projet doctoral est d'étendre cette analyse basée sur les EFM à des communautés microbiennes réalistes en s'attaquant aux principaux obstacles méthodologiques et de calcul. Le projet s'appuiera sur nos travaux antérieurs sur l'énumération des modes de flux élémentaires par programmation logique, ainsi que sur une collaboration existante avec l'INRAE concernant la liaison des flux métaboliques aux coûts enzymatiques et aux taux de croissance. De plus, leur expertise en optimisation et en intelligence artificielle contribuera au développement de stratégies d'exploration évolutives pour de vastes espaces combinatoires. Un premier volet du projet sera consacré au développement d'algorithmes pour le calcul des ECFM dans les réseaux métaboliques multi-espèces. En nous appuyant sur les approches de programmation par ensembles de réponses précédemment appliquées à des systèmes mono-organismes, nous concevrons des méthodes pour énumérer et filtrer les ECFM en tenant compte de contraintes biologiquement pertinentes, notamment la faisabilité thermodynamique et les limitations de ressources. Un second volet sera consacré à l'analyse et à l'interprétation de grands ensembles de modèles de flux d'équilibre (ECFM). Le nombre de modes possibles pouvant croître de manière combinatoire avec la taille du réseau, l'énumération brute seule est insuffisante. Nous développerons donc des méthodes pour caractériser les ECFM à partir de caractéristiques biologiques interprétables, telles que l'utilisation des substrats, les profils d'échange de métabolites et les propriétés énergétiques ou thermodynamiques. Ces représentations permettront de définir des mesures de similarité entre les ECFM et de construire des représentations structurées (par exemple, des graphes) qui rendent compte de l'organisation de l'espace des solutions. Des techniques d'apprentissage automatique, notamment des méthodes de clustering et de réduction de dimensionnalité, seront utilisées pour obtenir des résumés concis et informatifs des espaces d'ECFM et pour orienter leur exploration vers des régions biologiquement pertinentes.Collaboration : Supervisors: S. Peres, INRIA (co-directrice); W. Liebermeister, INRAE (co-directeur); Alberto Tonda,INRAE (co-encadrant; Envisaged co-supervisor (co-encadrant): Alberto Tonda, MIA-Saclay, INRAE;machine learning, evolutionary optimization algorithms) Experimental collaborators: Francoise Irlinger, Sandra Helinck, Eric Dugat-Bony (Équipe CoMiAl, UMRSayFood, INRAE) External collaborators: Jürgen Zanghellini and Diana Széliová, University of Vienna, Austria(Expertise: elementary flux modes for microbial communities)Principales activitésPrincipales activés (5 maximum) :Formaliser le problème deElementary Community ModesDévelopper desalgorithmes de calcul pour déterminer des solutions d'intérêts (optimisation et IA)Implémentation et évaluation des méthodesÉvaluation de la pertinence biologique des résultats sur la production d'aliments fermentésActivités complémentaires (3 maximum) :Développer des programmes/ des applicationsRédiger les rapports et articlesCompétencesCompétences techniques et niveau requis : masteren bioinformatique - connaissance en modélisation du métabolisme - bon niveau en programmationLangues : (français), anglaisCompétences additionnelles appréciées : programmation par contraintes, programmation linéaire, programmation logiqueAvantagesRestauration subventionnéeTransports publics remboursés partiellementCongés : 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)Possibilité de télétravail (90 jours par an flottants) et aménagement du temps de travailPrestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)Accès à la formation professionnelleMutuelle et prévoyance avec participation employeurRémunération2300 euros brut /mois

• Programmation
• Anglais
• Prolog
• Intelligence artificielle
• Machine learning
• Analyse de données
• Systèmes embarqués
• Français
• Bio-informatique