Post-doctorat en estimation statistique pour modèles épidémiologiques

Vos missions en quelques mots Vous exercerez votre activité au sein de l'unité de recherche BioEPAR, située à Nantes, au sein de l'équipe Dynamo. Vous intégrerez une équipe de chercheurs travaillant sur des modèles mécanistes de propagation des maladies animales. Vous pouvez également rejoindre l'équipe Dynenvie au sein de l'unité de recherche MaIAGE, située à Jouy-en-Josas, près de Paris. Votre mission consistera à développer et appliquer des méthodes avancées d'inférence statistique sans vraisemblance afin d'améliorer le calibrage de modèles épidémiologiques mécanistes. En effet, ces modèles constituent des outils essentiels pour anticiper et contrôler la propagation des maladies infectieuses à grande échelle. Cependant, leur performance dépend de manière cruciale d’un calibrage efficace à l'aide de données empiriques souvent complexes, incomplètes et hétérogènes (épidémiologiques, sérologiques et génomiques). Il existe actuellement un manque de méthodes robustes permettant d'intégrer efficacement ces sources de données diverses dans des modèles épidémiologiques complexes. Ce projet vise à développer des méthodes d'inférence sans vraisemblance adaptées aux modèles épidémiologiques à grande échelle, en utilisant le virus de la diarrhée virale bovine (BVDV) comme étude de cas. La BVD est une maladie endémique caractérisée par une propagation silencieuse par le biais d'animaux infectés de manière persistante, ce qui la rend particulièrement adaptée aux avancées méthodologiques en matière d'intégration des données et de reconstruction de la transmission. Vous serez plus particulièrement en charge de : Développement de méthodes d'inférence : vous concevrez et évaluerez des statistiques de synthèse pour l'intégration de données hétérogènes, et vous mettrez en œuvre et comparerez des approches sans vraisemblance (par exemple, ABC-SMC, ABC-RF, Wasserstein-ABC, NPE) en termes de précision et d'efficacité computationnelle. Exigences en matière de données et conception de la surveillance : vous déterminerez la quantité et la qualité minimales de données requises pour un calibrage fiable du modèle et évaluerez l'impact des stratégies de surveillance (fréquence, type et couverture) sur les performances d'inférence. Application à des données réelles : vous développerez un modèle mécanistique multi-souches pour la transmission du BVDV en France, intégrant des processus d'observation et d'échantillonnage. Vous calibrerez également le modèle à l'aide du cadre développé et reconstituerez les schémas de transmission. Profil recherché Formation recommandée : doctorat en statistiques, mathématiques appliquées, biologie computationnelle, épidémiologie, ou un sujet connexe Connaissances souhaitées : bonnes connaissances en inférence statistique, idéalement à l’aide de méthodes bayésiennes ou d’inférence sans vraisemblance Expérience appréciée : modélisation spatiale ou à base de réseaux ; analyse de données génomiques ; phylodynamique Aptitudes recherchées : expérience en programmation (par exemple, R, Python ou C++) ; intérêt pour la modélisation en épidémiologie et l’intégration de données ; bonnes compétences d’analyse, de résolution de problèmes et de communication ; capacité de travail indépendant et en collaboration, dans un environnement interdisciplinaire Niveau d'études minimum requis Niveau Niveau 6 Licence/diplômes équivalents