Post-doctorant/post-doctorante en apprentissage automatique et modélisation structurale appliqués à l'immunogénécité des molécules hla (h/f)

Informations générales

Intitulé de l'offre : Post-doctorant/post-doctorante en apprentissage automatique et modélisation structurale appliqués à l'immunogénécité des molécules HLA (H/F)
Référence : UMR7503-MALSMA-001
Nombre de Postes : 1
Lieu de travail : VANDOEUVRE LES NANCY
Date de publication : jeudi 2 octobre 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 18 mois
Date d'embauche prévue : 23 octobre 2025
Quotité de travail : Complet
Rémunération : à partir de 3021€ bruts selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
Section(s) CN : 55 - Sciences et données

Missions

Ce contrat porte sur une partie d'un projet ANR (EPIHLA2), dont l’objectif est d’étendre le modèle HLA-Epicheck qui a été développé dans le cadre d'une thèse de doctorat et d’implémenter de nouvelles approches d’apprentissage profond afin de mesurer la compatibilité des paires donneur-receveur lors de la transplantation d’organes. HLA-Epicheck est un modèle de prédiction de l’antigénicité d’acides aminés polymorphiques en surface d'antigènes HLA en s’appuyant sur des données structurelles dynamiques.

Activités

Quatre tâches sont identifiées.
Tâche 1 : Extension de la couverture et de la performance du modèle HLA-Epicheck par l'ajout de nouveaux antigènes afin de couvrir 99% de la population. Il s’agit également d’optimiser les valeurs de certains paramètres du modèle.

Tâche 2 : Évaluation de la compatibilité entre épitopes Donneur/Receveur (D/R) selon deux méthodes. HLA-Epicheck ne permet pas de quantifier la différence structurelle entre deux épitopes. Une première option est d’utiliser les descripteurs exploités par HLA-Epicheck pour mesurer une similarité structurelle. La seconde option s’appuie sur l’apprentissage d’une nouvelle représentation structurelle latente de la surface d’un antigène HLA par combinaison d’un VAE (autoencodeur variationnel) et de l’approche GDL (Geometric Deep Learning) [2]. Une métrique vectorielle peut alors être définie afin de quantifier la similarité de deux épitopes. Pour les deux options, il s‘agit ensuite d’agréger ces similarités entre épitopes au niveau de l’antigène puis au niveau du coupe D/R pour l’estimation d’une compatibilité D/R. C’est l’objet de la tâche 4.

Tâche 3 : Prise en compte des acides aminés (AA) polymorphiques cachés
HLA-EPICHECK a été développé pour analyser les patchs définis à partir d’AA polymorphiques et à la surface d’un antigène. Afin d’envisager tous les épitopes potentiels d’un donneur (respectivement receveur), il est important de ne pas exclure les AA non polymorphiques à la surface, lesquels peuvent représenter des épitopes induits par des polymorphismes non exposés à la surface.

Tâche 4 : Prédiction de la compatibilité D/R sur la base de leur charge complète en épitopes
De nombreux eplets sont communs à plusieurs loci HLA. Malgré la forte probabilité que les environnements des eplets à travers différents loci soient différents que pour un même locus, la réactivité croisée pour les anticorps HLA est systématique. Il est important, pour mesurer la compatibilité entre un donneur et un receveur, de considérer toutes les paires entre antigènes de classe I et les antigènes de classe II. Il faut alors entraîner un modèle prenant en entrée les charges en épitopes du donneur et du receveur afin de prédire la compatibilité. Les données d'une cohorte détenue par le coordinateur du projet serviront à la construction de ce modèle.

Compétences

Analyse et développement de modèles ML et DL avec les librairies classiques sciences des données. Ingénierie de données issues de dynamiques moléculaires et de bases de données publiques.

Contexte de travail

Laboratoire Loria, équipe Capsid du département 5.

Contraintes et risques

L'accueil dans le laboratoire LORIA hébergé par Inria est soumis à accord FSD.