Contexte et atouts du poste
Les phénomènes périodiques sont omniprésents dans le monde vivant. Par exemple, de nombreux processus oscillent avec une période 24 h grâce à un mécanisme endogène appelé horloge circadienne qui coordonne aux échelles moléculaire, cellulaire et physiologique, toute notre physiologie avec l’alternance jour/nuit. La perturbation de cette horloge a des effets néfastes sur la santé. Il existe aussi des oscillations biologiques avec des périodes comprises entre 2 et 12 heures, dites ultradiennes et qui sont beaucoup moins bien décrites et comprises [1]. Dans le foie, ces rythmes ultradiens sont liés à la protéostasie (biogenèse des ribosomes, repliement, traffic et dégradation des protéines) et au métabolique lipidique [2].
Nous avons récemment initié un projet collaboratif entre les équipes de Franck Delaunay (Institut de Biologie Valrose, UniCA) et de Madalena Chaves (MACBES, Inria) pour explorer les rythmes utltradiens dans d’autres tissus métaboliques comme le muscle squelettique. L’équipe Delaunay a obtenu des séries temporelles à l’échelle du transcriptome avec une résolution élevée et les analyses préliminaires indiquent la coexistence de plusieurs périodicités ultradiennes.
L’objectif de ce stage est de traiter ces séries temporelles oscillatoires pour analyser leur périodicité de 12 heures. Le stagiaire sera financé par l’Université Côte d’Azur et intégré simultanément dans l’équipe MACBES à l’Inria (expertise dans la modélisation et l'analyse des oscillateurs biologiques) et dans l’équipe Delaunay à Institut de Biologie Valrose (chronobiologiste spécialiste des horloges périphériques).
Références
[1] Teboul and Delaunay. Harmonic oscillations of circadian rhythms come out of the shadows. Med Sci MS. 2023;39: 544–550. doi:10.1051/medsci/2023079
[2] Zhu et al. A Cell-Autonomous Mammalian 12 hr Clock Coordinates Metabolic and Stress Rhythms. Cell Metabolism 251305–1319, 2017.
Mission confiée
L’algorithme RAIN (Rhythmicity Analysis Incorporating Nonparametric methods) [3] est très efficace pour traiter des signaux peu sinusoïdaux et disponible sous forme de package R facile à utiliser par des utilisateurs. Cependant la méthode RAIN nécessite de prédéfinir la périodicité recherchée. Elle n’est donc pas très adapte à la découverte non biaisée de nouvelles périodicités ultradiennes.
Pour pouvoir traiter ces mêmes séries temporelles sans a priori sur les périodes et détecter des oscillations ultradiennes autres que 12 h, la méthode MPM (Matrix Pencil Method) [4] utilisée dans le domaine du traitement de signal s’avère particulièrement appropriée. Cette approche permet de détecter des oscillations de périodes différentes superposées dans une même série temporelle sans spécifier les périodes recherchées.
Idéalement, les méthodes RAIN et MPM peuvent etre combinées afin d’augmenter leur puissance statistique.
Dans la première partie de ce stage, il s’agira de produire des jeux de données synthétiques aux propriétés oscillatoires connues avec l’application Rshiny Circainsilico. Ces données seront utilisées pour évaluer et comparer l’analyse de ces séries temporelles avec les packages R RSpectra et Matrix et une implementation du MPM dans Matlab. Ces codes seront modifiés pour être adaptés aux caractéristiques des jeux de données issues de l’équipe Delaunay. Eventuellement, le développement d’un code R unifié sera nécessaire pour être utilisable par les membres de l’équipe et permettre l’intégration dans un notebook Jupyter. Dans la deuxième partie de ce stage, le nouveau code adapté et unifié sera appliqué à trois jeux de données expérimentales.
La première partie du stage se déroulera principalement à l’Inria et la deuxième partie à l’Institut de Biologie de Valrose. Des réunions fréquentes entre les deux équipes se tiendront pendant la durée du stage.
Références
[3] Thaben and Westermark. Detecting Rhythms in Time Series with RAIN. J of Biological Rhythms 29:391–400, 2014. doi: 10.1177/0748730414553029
[4] Antoulas, Lefteriu, Ionita, Benner and Cohen. A tutorial introduction to the Loewner framework for model reduction, Model Reduction and Approximation: Theory and Algorithms 15, 335, 2017
Principales activités
Principales activés :
1. Evaluation et comparaison de plusieurs méthodes pour l’analyse de séries temporelles oscillatoires.
2. Construction de codes dans R et dans Matlab.
Activités complémentaires :
1. Rédaction de documentation sur les codes
Compétences
Aisance avec les langages R et Matlab.
Avantages
1. Restauration subventionnée
2. Transports publics remboursés partiellement
3. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
4. Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
5. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
6. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
7. Accès à la formation professionnelle
8. Sécurité sociale
Rémunération
Gratification selon temps de présence
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.