Ce projet vise à caractériser la structure latente des circuits neuronaux des réseaux neuronaux des petits animaux. Ce travail s'appuie sur un cadre génératif de modélisation de réseaux que nous développons dans le laboratoire, basé sur l'intégration des nœuds dans un espace métrique où les distances déterminent les probabilités de liaison à partir d'un noyau appris à partir des données. Nous souhaitons utiliser cette projection pour découvrir les structures topologiques latentes des réseaux et les relier aux rôles neuronaux et à leur intégration dans l'espace 3D réel, ainsi qu'à d'autres caractéristiques d'ordre supérieur telles que les motifs et les communautés.
Activités
- Développer une procédure statistique permettant d'identifier les caractéristiques latentes significatives des connectomes neuronaux à partir des positions des neurones dans l'espace latent appris.
- Valider la méthodologie sur des réseaux synthétiques et l'appliquer à des connectomes à résolution synaptique de petits animaux.
- Comparer les positions latentes des neurones aux positions réelles de leur soma dans l'espace réel et relier les caractéristiques latentes déduites aux caractéristiques topologiques de connectomes et aux types, circuits et groupes de neurones connus.
- Éventuellement étendre la méthodologie aux fonctions noyau apprenables en utilisant la composabilité des noyaux.
Compétences
Nous recherchons un.e candidat.e très motivé.e ayant une solide formation quantitative en physique ou en mathématiques appliquées (y compris, mais sans se limiter à, l'apprentissage automatique et la statistique). Une maîtrise de Python et des simulations numériques est attendue.
Contexte de travail
Au laboratoire, nous nous appuyons principalement sur la larve de Drosophila melanogaster comme animal modèle pour étudier ces questions. Son connectome complet, contenant ~12,000 neurones, a été cartographié à une résolution synaptique. En outre, une vaste boîte à outils génétique permet de cibler et de contrôler des neurones individuels chez des animaux au comportement libre. Des cribles à grande échelle ont révélé l'influence individuelle de milliers de neurones sur le comportement de millions de larves, et plusieurs microcircuits contrôlant des décisions et des actions comportementales spécifiques ont été identifiés.
Le.La candidat.e sélectionné.e travaillera dans un environnement interdisciplinaire mêlant physiciens, biologistes et mathématiciens.
Au laboratoire, nous nous appuyons principalement sur la larve de Drosophila melanogaster comme animal modèle pour étudier ces questions. Son connectome complet, contenant ~12,000 neurones, a été cartographié à une résolution synaptique. En outre, une vaste boîte à outils génétique permet de cibler et de contrôler des neurones individuels chez des animaux au comportement libre. Des cribles à grande échelle ont révélé l'influence individuelle de milliers de neurones sur le comportement de millions de larves, et plusieurs microcircuits contrôlant des décisions et des actions comportementales spécifiques ont été identifiés.
Le.La candidat.e sélectionné.e travaillera dans un environnement interdisciplinaire mêlant physiciens, biologistes et mathématiciens.
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.