Post-doctorant – modèles de deep learning pour prédire des phénotypes à partir de données génomiques(h/f)

Informations générales

Intitulé de l'offre : Post-doctorant – Modèles de deep learning pour prédire des phénotypes à partir de données génomiques(H/F)
Référence : UMR5535-SARADE-101
Nombre de Postes : 1
Lieu de travail : MONTPELLIER
Date de publication : vendredi 5 décembre 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 6 mois
Date d'embauche prévue : 1 février 2026
Quotité de travail : Complet
Rémunération : A partir de 3071€ brut ajustable selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent
Section(s) CN : 21 - Organisation, expression, évolution des génomes

Missions

Nous recherchons un chercheur ou une chercheuse postdoctoral motivé pour rejoindre le groupe AI for Genome Interpretation (AI4GI) à l’IGMM (CNRS, Montpellier). Le projet est une collaboration entre l’IGMM et l’IMAG, à l’interface de la génétique, de la bioinformatique, des statistiques, de l’apprentissage automatique et du deep learning.
Objectifs du projet : Interpréter le génome signifie modéliser la relation entre génotype et phénotype, ce qui constitue l’objectif fondamental de la biologie. Y parvenir pourrait révolutionner la génétique, la médecine et les technologies agricoles, menant par exemple au développement de cultures plus performantes capables de faire face aux défis du réchauffement climatique.
Ce projet est un effort interdisciplinaire à la frontière entre la biologie (génétique, génomique), la bioinformatique, l’intelligence artificielle (réseaux neuronaux) et les statistiques (LMMs). Le but est de combiner l’expertise de Dr Raimondi en développement de méthodes d’interprétation du génome par réseaux neuronaux et leur application à des problèmes biologiques pertinents, avec l’expertise du Dr Bry et du Dr Trottier en inférence statistique des modèles linéaires mixtes (LMMs).
L’objectif est de développer une nouvelle génération de réseaux neuronaux à effets mixtes (Mixed Effects Neural Networks, MENN) pour l’interprétation du génome, tirant parti à la fois de la flexibilité et de la puissance des NNs, et de la capacité des LMMs à apprendre de manière robuste à partir de données structurées et bruitées (non, en les appliquant à la prédiction de phénotypes chez les plantes et chez l’humain.

Activités

• Se familiariser avec la recherche existante en interprétation du génome, notamment les publications précédentes du laboratoire AI4GI (https:///nar/article/50/3/e16/6430850?login=false, https:///article/10.1186/s13059-025-03692-6, https:///article/10.1186/s13059-023-03064-y), les modèles linéaires mixtes et les GWAS.
• Se familiariser avec les données de séquençage (format VCF).
• Développer et évaluer une nouvelle architecture de réseau neuronal mélangeant effets fixes et aléatoires (Mixed Effects Neural Networks, MENN) sur des jeux de données de séquençage (WES/WGS), en commençant par les organismes modèles puis en travaillant sur la prédiction du risque de maladies humaines.

Compétences

Nous recherchons une personne motivée et curieuse, passionnée par la science et la découverte scientifique, notamment à travers la création de nouveaux réseaux neuronaux et méthodes d’apprentissage automatique. La bioinformatique et l’interprétation du génome sont des domaines multidisciplinaires en évolution rapide.
Compétences techniques :
- Maîtrise de Python et des bibliothèques de calcul scientifique (PyTorch, scikit-learn, numpy, .
- Solide compréhension des réseaux neuronaux et de l’apprentissage automatique.
- Bonne maîtrise de l’algèbre linéaire et des statistiques appliquées.
- Expérience dans le traitement de données génomiques (exome ou génome entier) serait un plus.
- Connaissance des modèles linéaires/mixtes serait un plus.
- Familiarité avec GNU/Linux.
- Connaissance des GWAS, génétique des populations ou pipelines de bioinformatique serait un plus.
Compétences comportementales et organisationnelles :
- Capacité à apprendre continuellement de nouvelles méthodes et concepts.
- Goût pour la résolution de problèmes complexes et l’innovation.
- Bonnes compétences en communication et travail en équipe.
- Curiosité scientifique et motivation pour la découverte.
Langues :
- Anglais: niveau minimum B2 .


Contexte de travail

La candidate ou le candidat rejoindra la nouvelle équipe de recherche en IA dirigée par Daniele Raimondi au sein de l’Institut de Génétique Moléculaire de Montpellier (IGMM, UMR5535 CNRS/Université de Montpellier) pour un projet de 16 mois, avec un contrat initial de 6 mois renouvelable.
L’IGMM est un institut multidisciplinaire dont les travaux ont un impact international, tant fondamental qu’appliqué, en biologie moléculaire et cellulaire (.
L’institut rassemble plus de 200 personnes (chercheurs, ingénieurs, techniciens et étudiants), organisées en 18 équipes de recherche, et bénéficie de services communs mutualisés avec d’autres unités du campus CNRS, ainsi que de plateformes technologiques et scientifiques performantes.
Si vous êtes passionné par la croisée de l’IA, des statistiques et de la génomique, et que vous aimez développer de nouvelles méthodes plutôt que de vous contenter d’appliquer des outils existants, nous serions ravis de recevoir votre candidature.