Consulter les offres d’emploi

Comparaison de méthodes pour estimer l’incidence du VIH en France
Publiée le 18/11/2022 15:36.
Stage, Saint-Maurice (94).
Entreprise/Organisme :Santé publique France
Niveau d'études :Master
Sujet :Comparaison de cinq méthodes statistiques d'estimation de l'incidence de l'infection par le VIH en France à partir des données simulées pour mimer les données de déclaration obligatoire des diagnostics de séropositivité (SpF)
Date de début :Dès que possible, au plus tard courant premier trimestre 2023
Durée du contrat :4-6 mois
Rémunération :Selon la réglementation en vigueur dans les établissements publics
Secteur d'activité :Santé publique
Description :Comparaison de cinq méthodes statistiques d'estimation de l'incidence de l'infection par le VIH en France à partir des données simulées pour mimer les données de déclaration obligatoire des diagnostics de séropositivité (SpF)
En savoir plus :https://www.santepubliquefrance.fr/offres-d-emploi/stage-comparaison-de-methodes-pour-estimer-l-inci
DMI-STA-2022-01 Incidence VIH en France.pdf
Contact :amadou.alioum@u-bordeaux.fr
Méthodologiste Statisticien
Publiée le 16/11/2022 22:23.
Référence : eXY2022.
CDI, Malakoff (92).
Entreprise/Organisme :eXYSTAT
Niveau d'études :Master
Date de début :01/12/2022
Secteur d'activité :Santé
Description :eXYSTAT (www.exystat.com) est une entreprise créée en 2013 pour apporter une expertise dans le domaine de la biométrie des études cliniques. Depuis bientôt 10 ans, eXYSTAT a collaboré avec plus d’une centaine de clients incluant aussi bien des laboratoires pharmaceutiques, des sociétés de biotechnologie, des CROs et des partenaires institutionnels. L’équipe est constituée aujourd’hui de 7 Data Managers et de 6 Statisticiens. Afin de développer et de renforcer son expertise méthodologique et statistique nous souhaitons recruter un méthodologiste statisticien. Une partie stratégique de nos missions concerne l’accompagnement des sponsors au niveau méthodologique et réglementaire. eXYSTAT est impliqué dans de nombreuses discussions avec les autorités de santé (EMA, FDA, ANSM ou Commission de Transparence par exemple) avec en particulier le sujet des nouveaux designs de type adaptatifs, les analyses bayésiennes et/ou les comparaisons indirectes. Un profil expérimenté ayant une connaissance approfondie sur ces sujets est par conséquent requis. Dans ce cadre, un poste de Méthodologiste Statisticien est proposé en CDI. Les plus : • Management ou intérêt pour la coordination de l’activité opérationnelle Statistique • Participation comme statisticien à des comités indépendants ou des comités scientifiques • Logiciels SAS, R, ENNOV Clinical et Viedoc • Connaissance des standards CDISC : CDASH, SDTM et ADaM • Gout pour la formation et pour vulgariser et former aux méthodes statistiques Modalités • CDI situé à Malakoff (92) avec télétravail ou temps partiel négociables • Salaire à négocier selon expérience et profil • Envoyez votre candidature à François Montestruc : francois.montestruc@exystat.com
En savoir plus :NA
20221116_annonce methodo.pdf
Contact :francois.montestruc@exystat.com
Transfer learning pour le développement d’un modèle data-driven pour les traitements des charges NTE
Publiée le 16/11/2022 13:51.
Référence : Transfer learning pour le développement d’un modèle data-driven pour les traitements des charges NTE.
Stage, Solaize, Lyon.
Entreprise/Organisme :IFP Energies nouvelles
Niveau d'études :Master
Sujet :Transfer learning pour le développement d’un modèle data-driven pour les traitements des charges NTE
Date de début :1/3/2023
Durée du contrat :5 ou 6 mois
Rémunération :environ 1000 euros
Secteur d'activité :Transition Energétique
Description :Contexte: La triple transition énergétique, écologique et numérique passe, entre autres, par la mise en place de nouvelles démarches méthodologiques couplant « science des données et expérimentation » pour réduire les temps de développement et les coûts de R&I. Le sujet de stage porte le traitement de charges issues des nouvelles technologies de l’énergie (NTE) (huiles végétales, huile de cuisson usagée, graisses animales, pyrolysats de plastiques, pyrolysats de pneus…), pour lesquelles les besoins d’acquisition de données sont les plus importants et dont les analyses mobilisent d’importantes ressources en interne à IFPEN. Ces domaines sont encore jeunes et la quantité de données accessibles est faible, ce qui explique le besoin de transférer les connaissances des domaines matures vers ce nouveau domaine. Notre proposition de stage se focalisera sur l’azote qui est une grandeur clé à prédire. La cible est le développement d’un modèle de type data driven avec contraintes physiques. Les données d’entrée seront des données expérimentales et des données simulées via les modèles cinétiques classiques (équations différentielles ordinaires). Le nombre de points disponibles sera élevé et permettra un entrainement du modèle. Le choix du type de modèle sera fonction de sa capacité d’adaptation (par transfer learning) à des charges de type NTE. Ces travaux pourront donner lieu à une publication et le stage sera potentiellement suivi d’une thèse de doctorat. Objectifs: - Faire une étude bibliographique sur le transfer learning, pour déterminer les méthodologies permettant l’extension de modèles validés sur des charges fossiles aux charges étendues NTE. En particulier, le modèle de transfer learning devra permettre d’introduire de nouvelles variables. - Tester et comparer les modèles de machine learning compatibles avec la technique de transfer learning sélectionnée précédemment, sur le modèle d’hydrotraitement de charges fossiles. Puis mettre en place les procédures de transfert. - Ces travaux pourront s’appuyer sur la librairie Adapt (cf. https://github.com/adapt-python/adapt)
En savoir plus :https://www.ifpenergiesnouvelles.fr/
Contact :victor.costa@ifpen.fr
Post-doctoral researcher position in the INSERM SPHERE Unit U1246
Publiée le 16/11/2022 08:00.
Référence : Project QUARTET.
Postdoc, SPHERE unit in the teaching hospital of Tours.
Entreprise/Organisme :INSERM SPHERE Unit U1246
Niveau d'études :Doctorat
Date de début :The starting date is flexible, but no later than early 2023
Durée du contrat :18 mois
Secteur d'activité :Methods on patient-centered outcomes and health research.
Description :Description of the position: The INSERM SPHERE Unit U1246 is part of both the Universities of Tours and Nantes and aims to contribute to high-quality research in methods on patient-centered outcomes and health research. We are looking for a motivated scientific staff member to join our team and engage in our research project QUARTET. Summary of the project: Cluster randomised trials are trials in which intact social units, such as hospitals, medical practices or communities, are randomized to intervention or control conditions while outcomes are then assessed on individuals within such clusters. The use of cluster randomised trials to evaluate clinical and public health interventions has been rising in recent years. In cluster randomised trials, outcomes assessed on individuals from a given cluster are correlated. This clustering has to be taken into account at the planning stage, leading to an increased sample size (number of individuals included in the trial) to reach the same power as a comparable individually randomized trial. Analysis methods of a cluster randomised trial must also account for the correlated nature of the outcomes within clusters. This can be done by using either mixed-effects models, in which clusters are treated as random effects, or marginal models estimated with generalized estimating equations (GEEs). When reporting the results of a cluster randomised trial, a measure of intracluster correlation should be reported, usually the intracluster correlation coefficient. Most of the developments to quantify and account for clustering in the analysis of cluster randomised trials have considered continuous or binary outcomes. Conversely, limited methods and recommendations are available for time-to-event (TTE) outcomes, which measure the time from the beginning of an observation period to an event of interest. In practice, TTE outcomes in cluster randomised trials are often inappropriately analysed, by treating them either as clustered binary outcomes or as TTE outcomes but ignoring correlation. The performance of existing analysis methods for correlated TTE outcomes has not been compared in the context of cluster randomised trials and the intracluster correlation coefficient (or any other measure of intracluster correlation) for TTE outcomes has not been clearly defined. The main objective of the present project is to identify appropriate methods of estimating the degree of clustering for TTE outcomes in cluster randomised trials. First, a review of existing clustering measures for TTE outcomes will be completed. Second, where gaps are identified, we will develop or extend methods appropriate for cluster randomised trials. Existing and novel methods will be compared by simulation. This part of the project will consist of both theoretical work to develop/extend new methods as well as computer simulation to evaluate methods. Finally, real data from three cluster randomised trials (for which we already have the agreement from the scientific coordinators) will be used to illustrate our findings. Ease of use and interpretation of the selected measures are important. Recommended methods will be implemented in user-friendly R packages to be available to the wider scientific community. At the end, this project will provide practical guidelines for measure of clustering for TTE outcomes in cluster randomised trials. Related references: 1. Kalia S, Klar N, Donner A. On the estimation of intracluster correlation for time-to-event outcomes in cluster randomized trials. Stat Med. 30 déc 2016;35(30):5551-60. 2. Romdhani H, Lakhal-Chaieb L, Rivest LP. An exchangeable Kendall’s tau for clustered data. Can J Stat Rev Can Stat. 2014;42(3):384-403. 3. Xie T, Waksman J. Design and sample size estimation in clinical trials with clustered survival times as the primary endpoint. Stat Med. 30 sept 2003;22(18):2835-46. 4. Li J, Jung SH. Sample size calculation for cluster randomization trials with a time-to-event endpoint. Stat Med. 2020;39(25):3608-23. Your tasks: The post-doctoral researcher will work specifically on measures of clustering for time-to-event outcomes in cluster randomised trials. This will include analytical developments and simulations. The position can also include teaching activity and a master’s thesis supervision, according to the applicant profile and wish. The position will be based in the office space of the SPHERE unit in the teaching hospital of Tours. The applicant will have his/her own office with an adequately powered computer. The position will be open until filled. In order to receive full consideration, applications should be submitted by January 1st, 2023. The starting date is flexible, but no later than early 2023. The team will be composed by the two biostatisticians from the INSERM SPHERE Unit (Dr Agnès Caille and Dr Elsa Tavernier) and a mathematician from Institut Denis Poisson, University of Tours (Pr Hermine Biermé) Requirements: Please be sure to highlight your strengths pertaining to the following elements to help us in accurately evaluating your application. Searched project-specific elements: * Completion of a PhD in a relevant discipline (e.g. biostatistics, medical statistics, mathematics, bioinformatics). * Knowledge in the methodology and the statistical analysis of randomised controlled trials. * Advanced programming skills in the statistical software program R/RStudio. * Strong knowledge in written and spoken English. * Demonstrated experience in statistical methods for cluster randomised trials or any other situation with correlated data. * Demonstrated experience in survival analysis. Further desirable elements: * Scientific writing skills as demonstrated by prior research publication. * Experience in simulation studies.
En savoir plus :https://sphere-inserm.fr/fr
Post_doctoral_researcher_position_V2022110.pdf
Contact :agnes.caille@univ-tours.fr
Evaluation de designs d'escalade de dose en essais de phase précoce en oncologie
Publiée le 16/11/2022 08:00.
Référence : Stage M2 biostatistiques Sanofi.
Stage, Chilly-Mazarin.
Entreprise/Organisme :Sanofi
Niveau d'études :Master
Sujet :Evaluation of time to event dose-escalation designs in early phase oncology trials
Date de début :Avril 2023
Durée du contrat :6 mois
Rémunération :~1100€
Secteur d'activité :Essais cliniques
Description :Phase I clinical trials are the first stage of human experimentation of a new treatment and mainly aim at evaluating the safety of various doses of the drug in a small number of subjects. In oncology, the standard assumption made is that both the probabilities of toxicity and efficacy should increase with the dose. The main objective of phase I trials in oncology is therefore to determine a dose with an acceptable probability of toxicity, known as the maximum tolerated dose (MTD), which may exhibit a higher chance of anti-tumor activity in future trials than a lower dose. Due to ethical constraints, sequential dose-escalation designs have been proposed to determine the MTD. In these designs, patients are included by cohorts of small sample size and the dosing decision is made based on all accumulated toxicity data after each cohort has been followed up for a predefined duration. However, for anti-cancer agents causing late onset toxicities, the toxicity follow-up period may need to be extended. In this case, waiting for all patients to be completely followed up would lead to a too long study duration. To reduce the trial duration in this context while maintaining accuracy and safety, Bayesian time to event (TITE) designs have been developed where the dosing decisions can be made from partial follow-up information. The objective of this internship is to study various TITE designs (mainly model-assisted or model-based) and evaluate their performance using simulations under various settings (as the impact of the rate of accrual, cohort size, time of toxicity etc.). The second objective is to participate in the user-friendly implementation of these approaches to facilitate their use in clinical trials.
En savoir plus :https://www.sanofi.fr/fr/
GERARD_Emma_stage_2023.pdf
Contact :emma.gerard@sanofi.com
Science des données et sport
Publiée le 15/11/2022 08:38.
Référence : selection rugby Institut Agro.
Stage, Rennes.
Entreprise/Organisme :Institut Agro
Niveau d'études :Master
Sujet :Détection et facteurs de sélection des jeunes joueurs de rugby
Date de début :mars 2023
Durée du contrat :6 mois
Rémunération :environ 500 Euros
Secteur d'activité :Sport
Description :Identifier et quantifier les facteurs pouvant expliquer la sélection ou non d'un joueur en académie de rugby à 15 ans à partir du parcours personnel et de licencié du jeune joueur. Notamment les effets du club et de l'âge relatif.
En savoir plus :NA
Stage_Husson.pdf
Contact :husson@agrocampus-ouest.fr
Stage M2 Sélection Phénomique H/F
Publiée le 15/11/2022 08:38.
Référence : 1095.
Stage, mondonville (31700).
Entreprise/Organisme :SOLTIS
Niveau d'études :Master
Date de début :Février-Mars 2023
Durée du contrat :6 mois
Secteur d'activité :Sélection végétale
Description :PRÉSENTATION DE L'ENTREPRISE SOLTIS est une société de recherche dédiée à la sélection de semences de tournesol et se positionne comme leader européen sur cette espèceSOLTIS est une société de recherche dédiée à la sélection de semences de tournesol et se positionne comme leader européen sur cette espèce Intégré(e) à l’équipe Analytics & Breeding Support dédiée à l’analyse de donnée ; aux développements méthodologiques et plus largement au support du programme de sélection ; l’étudiant(e) réalisera un stage ayant pour sujet la Sélection Phenomique. DESCRIPTION DU POSTE L'objectif du stage sera d’évaluer et de quantifier le gain et/ou le complément potentiel d’une approche de Selection Phenomique par rapport à la Selection Genomique (GS) dans la prédiction de caractères quantitatifs. Au cours de son stage, l’étudiant(e) aura donc en charge de réaliser : - une synthèse bibliographique sur les approches de Selection Phenomique déjà décrites et le prétraitement de données phénotypiques issues de capteurs haut-débit ; - le traitement d’un corpus de données spectrales et/ou temporelles ; - l’évaluation de la capacité de prédiction de caractères quantitatifs par Selection Phenomique et l’identification des proxy les plus pertinents ; - l’évaluation du gain et/ou de la complémentarité avec les prédictions génomiques ; - l’évaluation du gain de l’exploitation des données phénotypiques haut-débit dans l’estimation de l’interaction Genotype*Environnement Ce stage sera également l’opportunité de découvrir le fonctionnement d’une équipe de recherche en sélection variétale et de comprendre les bases de l’amélioration végétale. PROFIL RECHERCHÉ Master II ou Ecole d’ingénieur en Agronomie, Amélioration des plantes ou Biostatistiques. Bases solides en statistiques et bonne maitrise du langage de programmation R Goût pour l’analyse de données et pour l’agronomie Stage à pourvoir à partir de Fevrier-Mars 2023 pour une durée de 6 mois. Candidature à déposer sur notre site https://euralis.candidats.talents-in.com/job/1656464/stage-m2-selection-phenomique-hf-mondonville
En savoir plus :https://euralis.candidats.talents-in.com/job/1656464/stage-m2-selection-phenomique-hf-mondonville
Contact :gregoire.marandel@soltis-research.com
Financements Post-Doc FMJH 2023
Publiée le 15/11/2022 08:38.
Référence : Financements Post-Doc FMJH 2023.
Postdoc, Campus Paris-Saclay.
Entreprise/Organisme :Fondation Mathématique Jacques Hadamard
Niveau d'études :Doctorat
Date de début :Octobre 2023
Durée du contrat :2 ans
Rémunération :Le salaire est d’environ 25 000€ net par an.
Secteur d'activité :Mathématiques
Description :La Fondation Mathématique Jacques Hadamard (FMJH) offre 6 financements postdoctoraux pour une durée de deux ans. Les postes sont ventilés de la façon suivante : ► 1 poste sur le programme LMH « Mathématiques du Calcul Scientifique et de l'Ingénierie" ► 1 poste sur le programme LMH "Mathématiques pour l'Intelligence Artificielle" ► 1 poste sur le programme LMH "Mathématiques pour les Sciences du Vivant" ► 1 poste sur le programme LMH "Mathématiques et Physique Théorique" ► 2 postes sans profil Chaque candidat ou candidate peut, soit proposer un sujet de recherche libre soit choisir un des sujets déposés par des chercheurs ou chercheuses du périmètre de la FMJH. Ces sujets déposés sont associés aux programmes thématiques LMH, ils sont répertoriés dans le tableau joint à l’appel. L’appel à candidature est lancé. Date limite : 1er décembre 2022. Par ailleurs la FMJH est lauréate conjointement avec la FSMP et le Labex Bézout d'un financement Cofund pour le programme post-doctoral « MathInGreaterParis ». Dans le cadre de ce programme, la FMJH propose 4 financements post-doctoraux supplémentaires. Vous pouvez retrouver tous les détails de cet appel sur notre site.
En savoir plus :https://fondation-hadamard.fr/fr/la-fmjh-soutient/recherche/allocation-postdoc/
Affiche-Allocation-PostDoc-2023-A3-FR.pdf
Contact :contact@fondation-hadamard.fr
ML et inférence de réseaux pour l’analyse de données multi-omiques et et multi-échelles.
Publiée le 14/11/2022 14:29.
Stage, Fontenay aux roses (92).
Entreprise/Organisme :Institut de Radioprotection et de Sûreté Nucléaire
Niveau d'études :Master
Date de début :Mars ou Avril 2023
Durée du contrat :6 mois
Rémunération :1200 euros/mois
Description :Ce stage permettra à l’étudiant d’acquérir de solides connaissances en statistique et en inférence de réseaux dans un contexte d’analyse de données multi-omiques et multi-échelles à fort développement méthodologique actuellement.
En savoir plus :NA
Offre_Stage_IRSN_SERAMED_2023_A Benadjaoud_Omics.pdf
Contact :mohamedamine.benadjaoud@irsn.fr
Deep learning to model genetic pleiotropy to understand the human genetic architecture
Publiée le 14/11/2022 14:29.
Référence : Stage Pleiotropy.
Stage, Université Paris Cité.
Entreprise/Organisme :Université Paris Cité
Niveau d'études :Master
Sujet :The internship will be dedicated to explore semi-supervised and supervised methods to classify the pleiotropy of genetic variants, using labeled pleiotropic data from the methods the team has been developing.
Date de début :February 2023
Durée du contrat :6 months
Description :One striking observation today in the field of human genetics is that as Research advances to understand the genetic architecture of complex traits and to apprehend the etiology of heritable diseases, new paradigms keep emerging revealing more and more of the complexity of biological models. One particular concept seems to resurge: pleiotropy. Indeed, humans have a very low number of protein-coding genes given their organism complexity. Organism complexity can thus stem from the combination of fine-tuned expression of a few genes and their extreme level of interconnection rather than a significant increase in gene number. Therefore, pleiotropy, occurring when one genetic element (e.g. variant, gene) has independent effects on several traits, is thought to play a central role in the genetic architecture of human complex (i.e. caused by more than 1 gene) traits and diseases. We have already developed several statistical methods to study pleiotropy which have gathered much attention in the human genetics community. On the one hand, in Verbanck et al. (2018), we have shown that horizontal pleiotropy which tended to be neglected was found in almost 50% of causal relationships inferred from Mendelian randomization and could lead to false positives and biased causal estimates. On the other hand, we have developed a proof-of-concept paper measuring pleiotropy at the level of variants mainly focused on horizontal pleiotropy, Jordan, Verbanck, and Do (2019), which has confirmed the existence of widespread pleiotropy across the human genome. On a different note, machine learning and specifically deep learning have shown high performance in the prediction field, for example with image pattern recognition. We want to reroute these deep-learning methods for genetics, and specifically we have the objective to build a comprehensive framework to provide a genome-wide map of pleiotropy using machine learning. The internship will be dedicated to explore semi-supervised and supervised methods to classify the pleiotropy of genetic variants, using labeled pleiotropic data from the methods the team has been developing. In human genetics, and especially to study pleiotropy, the major issue is to obtain labeled data since the ground truth is unknown. However, it has been shown that semi-supervised learning strategies have already been applied, with high gain in classification performance (Ratsaby and Venkatesh (1995), Cozman, Cohen, and Cirelo (2003)). Therefore, we have already developed a strategy to partially label genetic variants for pleiotropy using Gaussian Mixture models (Darrous, Mounier, and Kutalik 2021; Morrison et al. 2020). Thus, we will explore this first strategy of developing a semi-supervised learning framework in case of Gaussian Mixture models. A second approach will explore supervised learning, namely Convolutional Neural Networks (CNN) that are commonly applied to analyze images. In CNN architecture, the receptive fields overlap with each other and do convolutions between the kernel and the data: this is analogous to the sliding window approach, a traditional method in genetics, with genomic intervals “sliding” across the genome. Furthemore, the block architecture of CNNs is comparable to LD-blocks (dependence structure between alleles), one of the major obstacle of mapping pleiotropy. The frameworks Keras and/or Tensorflow (reachable through R and Python) make powerful deep learning tools available, and will be mainly used to develop the frameworks.
En savoir plus :http://marie.verbanck.free.fr/InternPosition_2023_MVerbanck.pdf
Contact :marie.verbanck@u-paris.fr
Stage de Master 2 en Statistiques Spatiales
Publiée le 14/11/2022 14:29.
Stage, INRAE, CR de Jouy-en-Josas.
Entreprise/Organisme :INRAE / Université de Lorraine
Niveau d'études :Master
Sujet :Modèle de régression auto-logistique spatio-temporel: application à la propagation d'une maladie des forêts
Date de début :1/03/2023
Durée du contrat :5 à 6 mois
Rémunération :Environ 550 euros en fonction de la législation actuelle
Description :L'armillaire est un champignon parasite observé dans des forêts de résineux. Il est à l'origine d'une maladie du système racinaire qui conduit à la mort des arbres atteints. L'espèce Armillaria ostoaye est fortement représentée dans la forêt des Landes, exploitée pour la production de bois. Les dégâts causés par l'armillaire entraînent des pertes économiques importantes dans la filière forêt-bois. L'expérience menée à l'INRAE de Bordeaux avait pour l'objectif l'acquisition des connaissances nécessaires pour comprendre les mécanismes de la propagation de la maladie. Une plantation des pins maritimes a été établie sur une parcelle de 3 ha et suivie pendant 20 ans. Le statut épidémique de chaque arbre (vivant/mort) a été relevé une fois par an et l'information sur des covariables susceptibles d'influencer son état a été renseignée également. L'objectif de stage est de modéliser les données en utilisant un modèle auto-logistique spatio-temporel.
En savoir plus :https://maiage.inrae.fr/
stageArmillaire2023.pdf
Contact :katarzyna.adamczyk@inrae.fr
The genetic bases of phenotypic plasticity: a dynamic approach through time, generations and multipl
Publiée le 10/11/2022 08:41.
Référence : Post doc GPR Plant Sciences WP8.
Postdoc, Bordeaux.
Entreprise/Organisme :Université de Bordeaux
Niveau d'études :Doctorat
Sujet :A thirty months’ position supported by Bordeaux Plant Science (BPS) research program is available in the Biogeco research unit in Bordeaux, France. This post-doc position is one of 19 offered positions as part of Bordeaux University excellence BPS program, which will provide access to many scientific events and resources. The post-doc project is part of the project ‘Genetic determinants of phenotypic plasticity to identify a dynamic approach through time, generations and multiple organisms (Dynasty, WP8)’. The impact of phenotypic plasticity (PP) is largely accepted as a driver of adaptation (Pigliucci, 2005). PP dynamics are a major component in acclimation ability (Nicotra et al 2010) but also in adaptation across generations, particularly for perennial plants (Baker et al. 2017; Auge et al, 2019). Four technical and scientific questions will be addressed: (Q1) What biostatistics and modelling approaches can be leveraged to analyse response curves involving time series? (Q2) Have reaction norms of the studied organisms evolved over time or generations? (Q3) What is the contribution of the genetic determinants of PP to quantitative trait variation? (Q4) Are PP genetic determinants independent from those of the classical traits used in breeding programs? The post-doc position will be mainly involved in Q1 and Q2.
Date de début :as soon as possible
Durée du contrat :30 mois
Rémunération :31k€ yearly before-tax salary (approx. 25k€ net)
Secteur d'activité :biologie végétale et génétique quantitative
Description :The aim of the post doc position is to develop mathematical models. These models will be developed for modelling univariate time series and optionally forecasting their evolution. Time series data are already available to characterize temporal trends of PP across different developmental stages. Time series data are available on different models from yeast to tree. Specific bio-statistic methods will be developed to build models based on time-series data, i.e. daily micro-fluctuations of trunk diameter in maritime pine, transpiration responses induced by water deficit in grapevine rootstocks, monitoring of metabolism in Arabidopsis, infection and in vitro growth time-courses in Fusarium, phenological monitoring over several years for cherry tree and strawberry and fermentation kinetics in Saccharomyces. Time related reaction norms are rarely studied and require specific statistical models. Time-related reaction norms will be characterised for each organism based on the biostatistical methods developed previously. Time series data are already available to characterize temporal trends of PP across different developmental stages. To characterize PP over generations (Fusarium, Saccharomyces and Arabidopsis), new phenotypic assays will be carried out. The selection pressure on the PP will be tested over several generations through experimental evolution designs.
En savoir plus :NA
BPS_PostDoc Position WP8_Genetic bases of phenotypic plasticity (Dynasty).pdf
Contact :elisa.marguerit@agro-bordeaux.fr
Stage M2 : Apprentissage de modèles d’association entre épigénome et transcriptome
Publiée le 10/11/2022 08:41.
Référence : EPIPREDICT.
Stage, L'Institut Agro Rennes Angers, 65 rue de Saint-Brieuc, 35042 Rennes.
Entreprise/Organisme :L'Institut Agro Rennes Angers
Niveau d'études :Master
Sujet :Apprentissage de modèles d’association entre épigénome et transcriptome
Date de début :Février-Mars 2023
Durée du contrat :6 mois
Rémunération :Environ 550€/mois
Secteur d'activité :Recherche en statistique appliquée aux sciences du vivant
Description :Dans le contexte actuel de réchauffement global, les organismes qui coexistent au sein des agro-écosystèmes et plus particulièrement les pathogènes et ravageurs des plantes doivent faire face à d’importantes variations climatiques avec des conséquences potentiellement néfastes sur leur physiologie et leur potentiel de nuisibilité. Face à ces épisodes dont la fréquence et la durée sont difficiles à anticiper, les organismes doivent répondre rapidement afin de mettre en place des phénotypes leur permettant de survivre en s’acclimatant. A des échelles de temps longues, la création de variabilité génétique par recombinaison constitue une option pour pérenniser de nouveaux génotypes et phénotypes adaptés à ces conditions extrêmes. En revanche, à des échelles de temps plus courtes, des mécanismes épigénétiques (changements d’accessibilité de la chromatine, marques de modifications post-traductionnelles des histones et méthylation de l’ADN) constituent un moyen efficace et flexible pour modifier rapidement l’expression des gènes et produire de nouveaux phénotypes permettant de répondre à ces nouvelles contraintes environnementales. Ce code épigénétique est souvent étudié par des approches de séquençage haut-débit, générant de gros volumes de données de nature hétérogènes, pour lesquelles les méthodes d’analyses actuelles en limitent la compréhension. Le projet EPIPREDICT propose de développer des approches statistiques et mathématiques innovantes afin d’identifier dans ces données les éléments qui permettent de décrire les variations de l’expression des gènes (notamment ceux responsables de la capacité de la virulence et de l’agressivité des pathogènes et ravageurs), en considérant les caractéristiques spatiales des génomes. In fine, décoder comment les gènes s’expriment en réponse à l’environnement pourrait permettre de fournir un modèle d’aide à la décision pour développer des agro-écosystèmes résilients et économiquement viables. Afin d’appuyer la réflexion sur ces approches, nous disposons de données transcriptomiques (RNA-seq) et épigénomiques (ChIP-seq ou CUT&RUN), issues de technologies de séquençage à haut débit, obtenues sur un champignon filamenteux pathogène du blé et producteur de mycotoxines, Fusarium graminearum. Notre premier objectif est d’explorer les relations à l’échelle du génome entre expression de gènes et diverses marques histones afin de caractériser finement à l’échelle moléculaire l’état épigénomique et transcriptionnel du génome de cet organisme. Les signaux obtenus par ces approches sont par natures hétérogènes et complexes à décrire. L’étude de l’association entre l’expression d’un gène et les données épigénomiques s’y rapportant doivent tenir compte de connaissances biologiques préalables mais aussi d’un modèle pour données fonctionnelles rendant compte de la forte dépendance, à la fois entre les gènes dont les expressions sont mutuellement régulées (on parle de réseau) mais aussi au sein même des signaux épigénomiques et d’expression. La grande dimension des données couplée à cette double structure de dépendance définit un nouveau paradigme pour élaborer des méthodes de tests multiples et de prédiction optimales.
En savoir plus :https://dcauseur.netlify.app/about.html
Offre de stage M2 - Apprentissage de modèles d'association entre épigenome et transcriptome.pdf
Contact :david.causeur@institut-agro.fr
Master 2 recherche en Statistique
Publiée le 09/11/2022 13:41.
Stage, 2 rue Conté, 75003 Paris.
Entreprise/Organisme :Laboratoire Cédric - MSDMA - Conservatoire National des Arts et Métiers
Niveau d'études :Master
Sujet :Imputation multiple par régression non-paramétrique
Date de début :Février 2023
Durée du contrat :6 mois
Rémunération :Gratification
Secteur d'activité :Recherche -- Statistique
Description :.
En savoir plus :NA
Fiche_de_Poste_M2R_MSDMA_CEDRIC_CNAM.pdf
Contact :feriel.bouhadjera@lecnam.net
Discrimination en présence de plusieurs blocs multidimensionnels de données et applications
Publiée le 09/11/2022 13:40.
Stage, Nantes.
Entreprise/Organisme :Oniris
Niveau d'études :Master
Sujet :Discrimination en présence de plusieurs blocs multidimensionnels de données. Application à l’identification de marqueurs hépatiques et plasmatiques de l’exposition d’animaux d’élevage aux polychlorobiphényles (PCBs).
Date de début :Mars 2023
Durée du contrat :6 mois
Rémunération :570 euros/mois
Secteur d'activité :Statistique appliquée ou bioinformatique
Description :Les données, collectées et prétraitées pour l’analyse, se présentent sous la forme de deux blocs de variables (volatolomique et métabolomique) mesurées sur un même ensemble de 88 individus structurés en 7 groupes. L’objectif du stage est double : (i) identifier pour chaque bloc de variables (volatolomique et métabolique) les biomarqueurs discriminants des 7 groupes et (ii) évaluer la complémentarité informative des deux blocs de variables (volatolomique et métabolomique) dans la discrimination des 7 groupes.
En savoir plus :NA
Sentinel Stage (002).pdf
Contact :mohamed.hanafi@oniris-nantes.fr

Page précédente  1  <2>  3  4  5  6  Page suivante

 
 
©2022 SFdS
Société Française de Statistique
Institut Henri Poincaré
11 rue Pierre et Marie Curie
75231 Paris cedex 5
Tél. : +33 (0)1 44 27 66 60
Notre site a été supporté par :