Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

30 novembre 2020

Stage M2 : Application du deep learning aux données métabolomiques pour la découverte de biomarqueurs en santé


Catégorie : Stagiaire


L’objectif de ce stage est de développer des architectures de type CNN innovantes pour optimiser les étapes de prétraitement des données de spectrométrie de masse MS ou MS/MS, de pronostic et d’annotation pour la recherche de biomarqueurs dans le domaine de la santé. Elle associera les expertises des équipes de science des données du métabolisme et d'imagerie génétique du CEA.

 

1) Contexte du projet

La caractérisation du phénotype par les approches moléculaires omiques (métabolomique, protéomique) ouvre des perspectives uniques pour la recherche de biomarqueurs dans le domaine de la santé. L’analyse classique des données de spectrométrie de masse (MS) s’effectue sur chaque nouveau jeu de données en deux temps : traitement du signal pour extraire les variables dans les données brutes, puis apprentissage statistique sur ces variables pour générer les modèles prédictifs.

Ces dernières années, les approches de réseaux de neurones profonds (e.g., CNN) directement sur données brutes ont montré des performances de classification très élevées notamment dans le domaine de l'imagerie. Les toutes premières publications dans le domaine de la spectrométrie de masse confirment le potentiel de ce type d'approche.

2) Sujet proposé

L’objectif de ce stage est de développer des architectures de type CNN innovantes pour optimiser les étapes de prétraitement des données de spectrométrie de masse MS ou MS/MS, de pronostic et d’annotation. Elle associera les expertises des équipes de science des données du métabolisme et d'imagerie génétique du CEA.

Les modules logiciels seront implémentés pour permettre la détection en routine de biomarqueurs pronostics en santé à partir des analyses métabolomiques sur des cohortes humaines.

3) Profil recherché

Nous recherchons un(e) candidat(e) avec un bon dossier en mathématiques appliquées (traitement du signal, statistiques et informatique), et motivé par les applications multidisciplinaires (chimie, biologie, clinique). Le master pourra se prolonger par une thèse.

Merci d’adresser votre candidature à :

Etienne Thévenot (etienne.thevenot@cea.fr)

Equipe de Sciences des Données Métabolomiques pour la Médecine de Précision (SciDoPhenIA)

Département Médicaments et Technologies pour la Santé (DMTS)

CEA Saclay, F-91191 Gif sur Yvette, France

Web: https://scidophenia.github.io/

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.