Ingénieur en bioinformatique – données spatiales et multi-omiques du glioblastome (h/f)

Informations générales

Intitulé de l'offre : Ingénieur en bioinformatique – données spatiales et multi-omiques du glioblastome (H/F)
Référence : UMR5095-KILAUD-051
Nombre de Postes : 1
Lieu de travail : BORDEAUX
Date de publication : lundi 25 août 2025
Type de contrat : IT en contrat CDD
Durée du contrat : 36 mois
Date d'embauche prévue : 3 novembre 2025
Quotité de travail : Complet
Rémunération : entre 2 496,98 et 2 662,14 euros bruts mensuels en fonction de l'expérience
Niveau d'études souhaité : BAC+5
Expérience souhaitée : Indifférent
BAP : A - Sciences du vivant, de la terre et de l'environnement
Emploi type : Ingenieure ou ingenieur biologiste en traitement de donnees

Missions

L’ingénieur(e) contribuera aux analyses computationnelles et à l’intégration de ces données multi-échelles (spatiales, transcriptomiques, protéomiques, métabolomiques, single-cell RNA-seq). Il/elle développera des pipelines bioinformatiques pour la fusion de données multi-omiques (par ex. corrélation transcriptome–protéome), la modélisation de la diversité fonctionnelle des TAMs et l’analyse statistique de leur dynamique spatiale avant et après traitement. L’utilisation d’outils tels que Seurat, MOFA+, ou des approches de réseaux intégratifs sera encouragée, ainsi que la mise en place de modèles de corrélation entre signatures moléculaires, localisation spatiale et phénotypes pro- ou anti-tumoraux.

Activités

- Développer et mettre en œuvre de pipelines bioinformatiques pour l’intégration de données multi-omiques et spatiales (MICS,MACSima RNAsky, scRNA-seq, métabolomique).

- Cartographier et caractériser des sous-populations de macrophages associés aux tumeurs, en lien avec leur contexte spatial, métabolique et fonctionnel.

- Mettre en place de modèles statistiques et apprentissage non supervisé pour identifier des signatures moléculaires et des trajectoires cellulaires.

- Collaborer avec les partenaires expérimentaux pour valider les résultats in silico et guider les expériences fonctionnelles.

- Etablir une documentation claire et reproductible des analyses, en accord avec les bonnes pratiques FAIR et le Data Management Plan du projet.

Compétences

Le/la candidat(e) idéal(e) possède un diplôme de Master ou d’ingénieur avec une spécialisation en bioinformatique. L’expérience antérieure en analyse de données provenant de la recherche sur le cancer serait un plus.

- Connaissances en modélisation statistique et/ou apprentissage machine (GLM, PGLS, clustering, intégration multi-vue).
- Connaissances en analyse de données génomiques et transcriptomiques (FASTA/GFF, RNA-seq, scRNA-seq, spatial omics)
- Connaissance des bases de données biologiques (Ensembl, NCBI, COSMIC, .
- Maîtrise de Python et/ou R pour l’analyse statistique et l’intégration multi-omique.
- Aisance et capacité à travailler dans un environnement collaboratif multidisciplinaire et excellente capacité de communication scientifique.
- Une expérience en spatial omics ou en analyse de microenvironnement tumoral constitue un atout.
- Maîtrise de l’anglais écrit et parlé: niveau C1 du cadre européen de référence pour les langues (CECRL)

Contexte de travail

Ce poste s’inscrit dans le cadre du projet INCA PCSI FAMTOM (Unraveling the function of tumor-associated macrophages expressing ML-IAP in glioblastoma), qui rassemble des experts en neuro-oncologie, chimie, métabolisme et bioinformatique pour comprendre le rôle fonctionnel des macrophages associés aux tumeurs (TAMs) exprimant ML-IAP dans le glioblastome.
Le projet s’inscrit dans les activités du projet FAMTOM, garantissant un environnement scientifique stimulant à l’interface de la cancérologie, de l’immunologie et de la bioinformatique.
L’ingénieur(e) rejoindra l’équipe Computational Biology & Bioinformatics de l’IBGC (CNRS, Bordeaux), dirigée par Dr Macha Nikolski, et travaillera en forte interaction avec les partenaires expérimentaux du consortium dont l’équipe de Dr Thomas Daubon (Bordeaux) et de Dr Aurélie TCHOGHANDJIAN (Marseille).