Contexte et atouts du poste
Le projet ciblé « Filling the gaps between scales to understand biomass properties » (
Plus spécifiquement, le sujet abordé ici, en collaboration avec l’UMR FARE (Reims), s’intéresse à la déconstruction enzymatique. Elle vise à mieux comprendre les mécanismes conduisant à la libération de sucres fermentescibles, en particulier du glucose, sous l’action synergique de plusieurs familles d’enzymes. Cette libération résulte d’un ensemble complexe de réactions impliquant à la fois les enzymes, les constituants structuraux de la biomasse — principalement la cellulose et les hémicelluloses, dans une matrice lignifiée — ainsi que les produits intermédiaires générés au cours de l’hydrolyse. Selon la nature des substrats considérés, ces réactions peuvent être hétérogènes, lorsque les enzymes en solution interagissent avec un substrat solide, ou homogènes, lorsqu’elles impliquent des composés solubilisés en phase liquide.
Nous nous intéressons à produire une modélisation opérationnelle (avec des temps de calcul raisonnables) qui nous permettra, in fine, de comprendre comment optimiser la production de sucres. Pour cela, il faut construire un modèle (un ensemble d’équations différentielles) suffisamment simplifié pour être opérationnel, mais gardant un potentiel prédictif.
Les modèles développés seront confrontés à la réalité grâce à des mesures temporelles de saccharification permettant de suivre la concentration de certains composés au cours de la déconstruction enzymatiques. Ces mesures sont faites au sein de l’UMR Fare (Reims)
Mission confiée
La déconstruction enzymatique de différentes biomasses lignocellulosiques a déjà été abordée dans la littérature (voir les revues [1,2]). D’une lecture rapide, il ressort une grande disparité des modèles (ensemble d’équations) proposés, avec des hypothèses simplificatrices souvent implicites et rarement explicites, et dont la justification demeure parfois limitée, éventuellement en lien avec la composition du substrat étudié et/ou le cocktail d’enzymes employé. Cependant, il existe de nombreuses similitudes entre ces modèles.
Une première étape de ce programme sera non seulement de recenser les modèles les plus pertinents de la littérature, mais surtout de construire un modèle (ensemble d’équations différentielles) complet et unificateur duquel nous pourrons déduire les modèles existants en explicitant les hypothèses simplificatrices.
Une seconde étape concerne l’utilisation de ce modèle pour la compréhension de la déconstruction lignocellulosique des tiges de maïs, ce qui permettrait la valorisation économique de ce résidu pour la production de bio-carburant (dit de seconde génération, car issu de biomasse lignocellulosique non alimentaire). Il s’agit donc d’abord de comprendre quelles sont les simplifications raisonnables pouvant être faite pour ce type de substrat, ce qui permet d’obtenir une hiérarchie de modèles, chacun dépendant d’un sous-ensemble de paramètres du précédent, et ensuite de proposer une méthode d’optimisation pour estimer les variables latentes de cette hiérarchie de modèles. Enfin, il s’agira d’évaluer le caractère prédictif de ce modèle, sur des données n’ayant pas servi à l’estimation des variables latentes.
Ce travail sera mené en collaboration avec l’UMR FARE pour la validation des hypothèses simplificatrices et des résultats issus de la modélisation.
[1] Bansal, P., Hall, M., Realff, M. J., Lee, J. H., and Bommarius, A. S.. Modeling cellulase kinetics on lignocellulosic substrates. Biotechnol Adv, 27:833–848.
[2] Jeoh, T., Cardona, M. J., Karuna, N., Mudinoor, A. R., and Nill, J.. Mechanistic kinetic models of enzymatic cellulose hydrolysis-a review. Biotechnol Bioeng, 114:1369–1385.
Principales activités
1. Analyse de la littérature scientifique
2. Travaux d’expérimentation (numérique) écriture de code génération de résultat
3. Présentation (orale) des résultats obtenus
4. Rédaction d’articles scientifiques
Compétences
Compétences requises:
5. Capacité à travailler en équipe dans un contexte pluri-disciplinaire
6. Anglais écrit et parlé
7. Langage python (expérience de programmation requise, utilisation de scipy/numpy)
Avantages
8. Restauration subventionnée
9. Transports publics remboursés partiellement
10. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
11. Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
12. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
13. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
14. Accès à la formation professionnelle
15. Sécurité sociale
Rémunération
Pour un post-doc:
Salaire : 2788 € brut mensuel
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.