Consulter les offres d’emploi

Modèle stochastique pour la prédiction de la durée de vie / éoliennes en mer
Publiée le 14/05/2022 21:22.
Référence : Modélisation statistique de dégradation dans le cadre des éoliennes en mer.
Postdoc, MARSEILLE.
Entreprise/Organisme :AIX MARSEILLE UNIVERSITE
Niveau d'études :Doctorat
Date de début :Entre le 01/10/22 et le 01/12/22.
Durée du contrat :12 mois
Rémunération :entre 1982€ et 2323 € net selon l'experience
Secteur d'activité :Modélisation de dégradation et pornostic
Description :Ce projet de post-doctorat a pour but de proposer des méthodes statistiques de prédiction de durée de vie de composants d’éoliennes en mer pour aider la prise de décision de maintenance. La prédiction de la durée de vie utile ou du niveau de dégradation des matériaux d’une éolienne est essentielle pour assurer un niveau de production d’énergie acceptable. Une prédiction pertinente est primordiale pour la planification des opérations de maintenance tout particulièrement lorsque ces matériaux sont utilisés dans des conditions environnementales extrêmes auxquelles sont soumises les éoliennes en mer. Il est très difficile de caractériser via un modèle physique déterministe l’évolution temporelle de l’indicateur de dégradation qui prend en compte tous les facteurs expérimentaux et environnementaux possibles. La modélisation stochastique du phénomène de dégradation en présence de mesures permettrait de proposer un modèle temporel prenant en compte les incertitudes liées à ces différents facteurs. Ce modèle pourrait être utilisé en amont et en aval. D’une part il permettrait de prédire le niveau de dégradation future pour une meilleure planification des opérations de maintenance. D’autre part, il permettrait d’intégrer les données de terrain et être mis à jour en fonction des conditions d’utilisation et environnementales afin de mieux estimer la durée de vie utile. Dans ce cadre nous allons étudier la modélisation statistique de la dégradation des colles (liaisons adhésives) utilisées sur les plateformes éoliennes en mer.
En savoir plus :https://scholar.google.fr/citations?user=lY4hIHAAAAAJ&hl=fr
POSTDOC_LMA et M2P2.pdf
Contact :mitra.fouladirad@centrale-marseille.fr
Adjoint/e à la cheffe de la mission d’'animation de la recherche
Publiée le 14/05/2022 21:21.
CDD, 39-43, quai André Citroën – PARIS 15ème.
Entreprise/Organisme :dares
Niveau d'études :Master
Date de début :dès que possinble
Durée du contrat :36 mois
Rémunération :dépend de l'expérience
Description :Encadrement (oui ou non) : oui Télétravail possible Nombre de personnes à encadrer (répartition par catégorie) : 5 agents (4 agents de catégorie A et 1 agent de catégorie C) Activités principales : en tant qu'adjoint/e de la mission, 1)- Vous apporterez votre soutien au chef de mission pour l’'encadrement et l’'animation de l’'équipe dans tous les domaines d’'activités de la mission. Dans ce cadre en particulier, vous serez susceptible d'initier et de suivre des appels à projets de recherche, d’'encadrer des travaux d’'études ou de synthèse ou toutes productions des agents de la mission. 2)- Vous assurerez au sein de la direction un soutien et une expertise sur le lancement et le suivi d’'APR ou de marchés d'études pour des travaux de nature qualitative (étude de terrain, monographies, …). 3)- Vous contribuerez à impulser des travaux de valorisation de la recherche (groupe de lecture, séminaire interne, séminaires de restitution des résultats des recherches financées par la Dares, séminaires de recherche), et organiserez des colloques français ou internationaux visant à faire connaître les avancées de la recherche dans le champ de l'emploi, du travail et de la formation professionnelle. 4)- Vous participerez à la définition et à la mise en œuvre de la fonction d’interface entre le monde de la recherche et celui de l’administration. Dans cet objectif, Vous concourrez à informer des travaux de recherche disponibles dans les domaines du travail, de l’emploi et de la formation professionnelle (notes, dispositifs de veille, etc.), à définir une politique de mise à disposition des données aux chercheurs, de diffusion et de mise en débat de travaux de recherche. 5)- Vous assurerez personnellement certains travaux (rédaction de notes de synthèse, d’études, etc.). Activités annexes Représentation de la Dares dans certaines instances. Partenaires institutionnels Partenaires de la Dares intervenant dans le champ de l’ emploi, du travail et de la formation professionnelle (autres directions du ministère en charge de l’emploi et du travail, délégation à l’information et à la communication, directions du ministère de la recherche) ; chercheurs et experts. Spécificités du poste / Contraintes : allier un goût pour l’ animation et la conduite de projets transversaux avec des compétences sur les sujets travail et emploi. Une expérience professionnelle préalable dans le milieu des études et des recherches est indispensable.
En savoir plus :NA
2022-09_Adjoint chef de la mission animation recherche_Rplt VS.pdf
Contact :dares.recrutement@travail.gouv.fr
Offre de thèse: Fusion de données spatialement et temporellement résolues
Publiée le 10/05/2022 15:12.
Thèse, Bordeaux.
Entreprise/Organisme :Laboratoire IMS
Niveau d'études :Master
Sujet :Fusion de données spatialement et temporellement résolues : application au traitement d’images de proxidétection en viticulture
Date de début :03/10/2021
Durée du contrat :36 mois
Rémunération :1866€ brut/mois
Description :Cette thèse, proposée par Bordeaux Sciences Agro et le laboratoire IMS Bordeaux, consiste à explorer des méthodes de fusion de données de capteur dans un contexte viticole. Plus précisément, les données considérées seront de deux types: - Données provenant de capteurs imageurs fixes (une image par jour pour quelques pieds de vigne) - Données provenant de capteurs imageurs mobiles (une image pour chaque pied dans la parcelle à des dates clé de la saison) La prise en compte d'une composante temporelle fine en plus de la couverture spatiale de la parcelle est une piste d'intérêt pour une meilleure gestion du vignoble et du calendrier cultural (vigueur,veraison, traitements phytosanitaires, suivi de maladies etc.) A l'interface entre trois disciplines scientifiques (agronomie, traitement de l'image, statistiques), les objectifs de la thèse seront ainsi 1) de mettre en place les briques méthodologiques permettant de réaliser la fusion entre les deux types de données 2) d'évaluer le potentiel de ces approches pour des applications agronomiques. Contrat doctoral de 36 mois avec une rémunération de 1866€ brut Lieu de la thèse: Laboratoire IMS/Université de Bordeaux Date prévue de début de la thèse : 03/10/2022 Contact: Florian Rançon (florian.rancon@agro-bordeaux.fr) et Jean-Pierre Da Costa (jean-pierre.dacosta@agro-bordeaux.fr) Date limite de candidature: 12/06/2022
En savoir plus :https://cumulus.agro-bordeaux.fr/owncloud/index.php/s/DcWCoOBk4OheTrq
Offre de thèse_IMS.pdf
Contact :florian.rancon@agro-bordeaux.fr
Statistical degradation modelling of heart bioprosthetic valves
Publiée le 10/05/2022 15:12.
Référence : POSTDOC in Statistical degradation modelling.
Postdoc, Marseille.
Entreprise/Organisme :Aix Marseille Université
Niveau d'études :Doctorat
Date de début :entre 1/09/2022 et 1/12/2022
Durée du contrat :12 months
Rémunération :between 2466€ Brut (1982€ net) and 2891 € Brut (2323 € net)
Secteur d'activité :Statistique, bio-statistique, fiabilité
Description :L’objectif du post-doc est donc de construire, à partir des méthodes statistiques et des modèles stochastiques, un modèle prédictif de dégradation à long terme des bio-prothèses de valves cardiaques, en modélisant l'évolution en temps de marqueurs valvulaires.
En savoir plus :NA
Postdoc-valve-anglais.pdf
Contact :mitra.fouladirad@centrale-marseille.fr
Offre de thèse : Trajectoires de la plainte cognitive des patientes traitées pour un cancer du sein
Publiée le 09/05/2022 13:19.
Référence : Offre de thèse.
Thèse, Centre François Baclesse Caen.
Entreprise/Organisme :Inserm U1086 Anticipe Centre François Baclesse Caen
Niveau d'études :Master
Sujet :Trajectoires de la plainte cognitive des patientes traitées pour un cancer du sein non métastatique : Etude ancillaire de la cohorte nationale ANR CANTO
Durée du contrat :3 ans
Description :Présentation de l’Unité de recherche L’objectif général de l’unité ANTICIPE (Unité de recherche interdisciplinaire pour la prévention et le traitement des cancers) est d’améliorer les connaissances des facteurs individuels et collectifs qui déterminent la survenue, la prise en charge et le pronostic des cancers. L’ensemble de ses études visent à améliorer la prévention des cancers et leur dépistage ainsi que la prise en charge et la qualité de vie des personnes ayant eu un cancer. Les travaux de recherche développés dans l’unité sont organisés autour de 4 thèmes : 1- Facteurs de risque professionnels et environnementaux des cancers 2- Vivre avec le cancer (avec une attention particulière sur les fonctions cognitives). 3- Environnement socio-territorial, dépistage et organisation des soins 4- Biologie et Thérapies innovantes des cancers de l'ovaire Ce projet de thèse s’inscrit dans l’activité du thème 2 « Vivre avec le cancer ». Les projets de recherche développés par le groupe de travail de ce thème visent à étudier l’impact du cancer et de ses traitements sur la qualité de vie des patients et de leurs proches à plus ou moins long terme. La compréhension et la prise en charge des troubles cognitifs en lien avec le cancer et ses traitements est un sujet phare des travaux de ce groupe. Description du projet de thèse La plainte cognitive fait partie de l’un de symptômes les plus fréquents à l’issue des traitements du cancer : 40 à 75% des patientes se plaignent de difficultés cognitives à l’issue de la chimiothérapie adjuvante du cancer du sein. Si pour la majorité des patientes ces troubles sont légers et transitoires, certaines patientes ont des troubles plus sévères et ces difficultés ont un impact négatif sur la qualité de vie des patientes. Toutefois, rares sont les études comportant un suivi longitudinal au-delà de 12 à 18 mois après la fin de la chimiothérapie adjuvante et la majorité porte sur un nombre restreint de patientes. L’équipe coordonne l’étude CANTO-Cog, adossée à la cohorte nationale ANR CANTO qui a pour objectifs d’identifier les facteurs prédictifs de troubles cognitifs chez les patientes traitées pour un cancer du sein non métastatique mais également d’évaluer l’incidence et l’évolution de la plainte cognitive dans le cadre d’un suivi longitudinal de plusieurs années. Dans le cadre de ce travail de thèse, l’objectif sera d’analyser les trajectoires de la plainte cognitive et d’identifier les facteurs associés (fatigue, anxiété, ...). Les patientes sont évaluées avant la chirurgie du cancer, puis à 3 reprises, jusqu’à 3 ans après les traitements (soit 5 ans de suivi). Plus de 500 patientes ont été incluses dans cette étude depuis son ouverture en 2014. Le recueil des données de cette étude nationale est en cours de finalisation. L’analyse statistique sera basée sur des modèles logistiques complexes. Ces travaux permettront de mieux prédire et détecter précocement la plainte cognitive et sa trajectoire au cours du temps afin de mieux comprendre et identifier les profils de patientes à risque. Missions du candidat Depuis l’ouverture de l’étude nationale ANR CANTO en 2014, plus de 500 patientes ont été incluses dans l’étude CANTO-Cog. Le recueil des données est en cours. Le candidat sera en charge (en lien avec la neuropsychologue référente et le biostatisticien de la plateforme « Cancer et Cognition ») des analyses statistiques et de la valorisation scientifique des résultats. Profil recherché - Master 2 ou équivalent : santé publique/épidémiologie ou statistiques, neurosciences, psychologie comprenant une formation recherche et une formation en statistiques. - Expérience dans la gestion et la manipulation des bases de données - Maitrise de logiciels de statistiques (R, SAS, …) - Intérêt pour la recherche en santé publique et la recherche clinique - Travail en équipe - Autonomie - Communication - Organisation - Maitrise de l’anglais scientifique - Valorisation scientifique - Des connaissances en oncologie seront appréciées
En savoir plus :xx
Offre de thèse.pdf
Contact :d.lecheheb@baclesse.unicancer.fr
Senior Biostatisticien
Publiée le 09/05/2022 13:19.
Référence : SEC/BIO/050622/35.
CDI, Télétravail.
Entreprise/Organisme :Life Sciences
Niveau d'études :Master
Secteur d'activité :Industrie Pharmaceutique
Description :(Senior) Programmer SAS - Biostatisticien Pour candidater, envoyer votre CV à Yanick Millet - SEC Life Sciences : yanick.millet@seclifesciences.com Pour renforcer son département Biométrie, nous recrutons pour un acteur international du développement clinique et non clinique, un profil Biostatisticien avec des compétences et un intérêt pour la programmation SAS, pour soutenir les études cliniques de la phase I à IV. Vous travaillerez sur différentes indications thérapeutiques et en relation avec les chefs de projets et KOL. Poste à pourvoir en CDI. 100% télétravail. Vos missions seront (mais pas limitées à) : • Participer à l'élaboration de la méthodologie statistiques. • Calculer la taille d'échantillon et écrire les sections statistiques du protocole. • Ecriture du plan d'analyse statistiques • Effectuer les analyses statistiques et présenter les résultats. • Editer les TFL et les listings des rapports cliniques. • Garant du contrôle qualité des programmes statistiques. • Le développement des macros, TFL, au format CDISC. • Être force de proposition et actif dans le développement et l'amélioration des process internes. Profil: • Formation supérieure Bac+5 • Maîtrise du logiciel SAS indispensable • La connaissance des formats CDISC avec 2 ans d'expérience en industrie • Connaissance des essais cliniques et des process de développement des médicaments • Organisé, rigoureux, goût du travail en équipe, adaptabilité, force de proposition.
En savoir plus :https://seclifesciences.com/data?source=google.com
SENIOR SAS PROGRAMMER - BIOSTAT.pdf
Contact :yanick.millet@seclifesciences.com
Senior Biostatistician
Publiée le 09/05/2022 13:19.
Référence : SEC/BIO-SAS/0506/E.
CDI, Remote working.
Entreprise/Organisme :Life Sciences
Niveau d'études :Master
Description :(Senior) Programmer SAS - Biostatistician To apply, send your CV to Yanick Millet - SEC Life Sciences: yanick.millet@seclifesciences.com To strengthen its Biometrics department, we are recruiting for a global company working in clinical and non-clinical development, a Biostatistician with skills and an interest in SAS programming, to support clinical studies from phase I to IV. You will work on different therapeutic indications and in relation with project managers and KOL. Permanent contract. 100% Remote. Your missions will be (but not limited to): • Participate in the development of statistical methodology. • Calculate the sample size and write the statistical sections of the protocol. • Writing of the statistical analysis plan • Perform statistical analyzes and present the results. • Edit TFLs and clinical report listings. • Guarantor of the quality control of statistical programs. • Development of macros, TFL, in CDISC format. • Be proactive and active in the development and improvement of internal processes. Profile: • Higher education Bac+5 • Mastery of SAS software essential • Knowledge of CDISC formats with 2 years of industry experience • Knowledge of clinical trials and drug development processes • Organized, rigorous, taste for teamwork, adaptability, strength of proposal.
En savoir plus :https://seclifesciences.com/consultants/yanick-millet?source=google.com
SENIOR SAS PROGRAMMER - BIOSTAT - ENG.pdf
Contact :yanick.millet@seclifesciences.com
Senior Biostatisticien R&D, Biomarkers
Publiée le 09/05/2022 13:19.
Référence : SEC/BIOTECH/Bio.
CDI, France.
Entreprise/Organisme :Biotechnology Company
Niveau d'études :Master
Secteur d'activité :R&D - Biomarqueurs
Description :My partner is a clinical late-stage biotech company defining the data placing the Data in the heart of the strategy. To strengthen the R&D team, we are recruiting a Senior Biomarker Biostatistician - Diagnosis. MISSIONS: Your responsibilities include, but are not limited to: - Define the methodological framework of the projects in collaboration with your manager; - Analyze and process clinical data, including biomarkers; - Develop, adapt or apply different Machine Learning algorithms; - Present your analysis results both at internal company meetings and to external partners; - Write statistical analysis reports and participate in the writing of scientific articles, abstracts and posters; - Ensure the proper execution of projects on time by assuming a position of project leader; - Ensure a bibliographic watch and guarantee its integration in the work in progress with regard to their relevance. PROFILE : - You hold preferably a PhD. Or Master's degree in Statistics, Biostatistics, Data Science or Mathematics, and have at least 3 years of experience in the field of R&D in biostatistics, with a particular focus on modelling/diagnosis, preferably in the field of biomarkers; - During your experiences, you have been able to develop strong knowledge in the fields of algorithms, variable selection and statistical modeling (unsupervised classification, linear regressions, penalized regressions, random forest, SVM, etc.) ; - You master the R language, as well as the RStudio environment; - Knowledge of Git and RMarkdown would be a plus; - Knowledge of Python and LaTex, as well as knowledge of biology, would be a plus; - You have already had the opportunity to fully manage a project and a set of associated statistical analyzes and are comfortable with changes in priorities and/or objectives; - You have already been involved in the development and writing of scientific articles; - French and English fluently both in writing and orally; - With good interpersonal skills, you have a taste for teamwork; - Curious and autonomous, you have an appetite for research, the application of statistics in the medical field and the resolution of complex problems. You are able to understand the problems encountered with pragmatism and precision.
En savoir plus :https://seclifesciences.com/consultants/yanick-millet?source=google.com
Senior Biostatistician RD Biomarkers 2022 E.pdf
Contact :yanick.millet@seclifesciences.com
Évaluation de la calibration d’un classifieur
Publiée le 05/05/2022 17:33.
Thèse, Paris.
Entreprise/Organisme :Conservatoire National des Arts et Métiers (CNAM) - Laboratoire Cédric
Niveau d'études :Master
Date de début :octobre 2022
Durée du contrat :3 ans
Secteur d'activité :Statistique, machine learning
Description :L’ objectif de cette thèse consistera à explorer de nouvelles stratégies de mesure de la calibration d'un classifieur probabiliste, qui permettent de s’approcher davantage de la définition de calibration au sens fort. Un état de l’art sera réalisé sur les approches existantes dans les différentes disciplines où le problème de la calibration se pose. Plusieurs approches nouvelles pour la mesure de la calibration sont envisagées. Celles-ci s’appuieront sur de nouveaux critères pour la définition de groupes d’observations homogènes. L’utilisation de techniques de réechantillonnage et de génération de données artificielles seront également explorées. L’impact de ces nouvelles méthodes pour l'evaluation de la recalibration sera étudié.
En savoir plus :http://cedric.cnam.fr/lab/doctorat/
sujet_SMI_NN_GR-1.pdf
Contact :giorgio.russolillo@cnam.fr
Post doc en détection d'anomalies dans des données microscopiques
Publiée le 01/05/2022 19:55.
Référence : ENSTA-Paris/SAFRAN.
Postdoc, U2IS, ENSTA Paris, 828 boulevard des Maréchaux 91120 Palaiseau.
Entreprise/Organisme :ENSTA-Paris+SAFRAN
Niveau d'études :Doctorat
Date de début :01/09/2022
Durée du contrat :12 mois
Rémunération :entre 2000 euros et 2500 euros net
Description :Non-Destructive Testing (NDT) involves identifying and characterizing damages or defects on the surface and interior of materials without cutting apart or otherwise altering the material. Hence, it is a crucial field for most manufacturers. https://perso.ensta-paris.fr/~franchi/positions/Postdoc_safran.pdf
En savoir plus :xx
Postdoc_safran.pdf
Contact :gianni.franchi@ensta-paris.fr
Post doc en détection d'anomalies dans des séries temporelles
Publiée le 01/05/2022 19:55.
Référence : ENSTA-Paris/EDF.
Postdoc, U2IS, ENSTA Paris, 828 boulevard des Maréchaux 91120 Palaiseau.
Entreprise/Organisme :ENSTA-Paris+EDF
Niveau d'études :Doctorat
Date de début :01/10/22
Durée du contrat :24 mois
Rémunération :entre 2000 euros et 2500 euros net
Description :Nous recherchons un postdoc qui a soit des compétences en séries temporelles soit en statistiques. Notre but est de rechercher des anomalies dans des séries temporelles. Voici le sujet: https://perso.ensta-paris.fr/~franchi/positions/Postdoc_EDF.pdf N'hésitez pas contacter Gianni F. et Nicolas B. si vous avez des questions.
En savoir plus :https://perso.ensta-paris.fr/~franchi/positions/Postdoc_EDF.pdf
Postdoc_EDF.pdf
Contact :gianni.franchi@ensta-paris.fr
Stage M2 - Graph Neural Networks with Optimal Transport
Publiée le 01/05/2022 19:54.
Stage, 57 avenue de Landshut COMPIEGNE CEDEX , 60203 FRANCE.
Entreprise/Organisme :Laboratoire LMAC - Université de Technologie de Compiègne
Niveau d'études :Master
Sujet :Graph Neural Networks with Optimal Transport
Date de début :May / Juin 2022
Durée du contrat :6 mois
Secteur d'activité :Xx
Description :Réseaux de neurones en graphes avec transport optimal.
En savoir plus :http://lmac.utc.fr/offres-de-stages-et-de-theses/article/stage-m2-graph-neural-networks-with-optimal
sujetM2_GNN_OT.pdf
Contact :elmokhtar.alaya@utc.fr
Research proposal - PhD offer (SIA-BEFoeT)
Publiée le 27/04/2022 10:48.
Référence : Doctorat-LNIT-2022.
Thèse, Besançon - France.
Entreprise/Organisme :Laboratoire de Nanomédecine, Imagerie, Thérapeutique (LNIT) / Université Bourgogne Franche-Comté
Niveau d'études :Doctorat
Sujet :Artificial Intelligence System for Monitoring, Prediction and Decision Support in the Monitoring of Fetal Well-Being during Labor (SIA-BEFoeT)
Date de début :October 2022
Durée du contrat :3 years
Description :SIA-BEFoeT project is designed to develop methods and tools of Artificial Intelligence (AI) to improve the detection of abnormalities of the fetal heart rate during labor in order to predict and anticipate the occurrence of a serious event in the fetus that may lead to death or transfer to neonatal intensive care for anoxo-ischemic encephalopathy. The aim of this project is to guide the obstetric decision regarding the childbirth type and to avoid unnecessary caesarean surgeries. The objective of this project is to increase the prediction rate by obstetricians and midwives of pathological events in the fetus during labor associated with an unfavorable maternal and neonatal outcome. This project calls upon several scientific and medical disciplines: Computer Science (AI, Big Data, Distributed computing...), Health (Obstetrics and Gynecology, Neonatology), signal processing and systems as well as fields related to individual and collective economics applied to the health sector. This collaboration will allow the exploitation of data from fetal monitoring (before and during childbirth) in order to develop a system for predicting anomalies and suggesting actions in real time. The aim is to develop a prototype medical device (DM) based on AI algorithms for the analysis of fetal heart rate (FHR) during labor. In a second stage, this medical device will be evaluated in a clinical research protocol. As a digital platform, this MD will monitor the delivery process, analyzing the FHR in real time throughout labor to provide obstetricians and midwives with alerts or decision aids before fetal complications occur.
En savoir plus :xx
Proposition sujet thèse pour une bourse de doctorat de 3 ans.pdf
Contact :kenza.regragui@univ-fcomte.fr
A hybrid modelling approach to characterize dairy goat’s activity profiles associated with welfare
Publiée le 27/04/2022 10:48.
Thèse, AgroParisTech, Palaiseau..
Entreprise/Organisme :INRAE/MoSAR
Niveau d'études :Master
Date de début :October 2022
Durée du contrat :36 months
Description :WORKING ENVIRONMENT AND ACTIVITIES Today, we all want animal production systems that are more respectful to animal welfare. Animal welfare is defined as a positive mental and physical state achieved by satisfaction of the animal’s physiological and behavioural needs according to its own perception of the situation (ANSES, 2018). Moreover, the agroecological transition of livestock farming integrates the concept of one welfare, where the interdependence between the welfare of animals, wellbeing of farmers and environmental protection is highlighted as part of this transition. To respond to these expectations, continuous objective measures of welfare state at the individual animal scale are needed. However, animal welfare is a multicriteria concept with different animal indicators combining behaviour, health, and aspects of performance and physiology. Such indicators are increasingly measurable with lower cost and less human effort thanks to PLF (Precision Livestock Farming) technology. The objective of this thesis is to improve our ability to assess welfare by developing a modelling approach (combination of supervised machine learning algorithm and dynamic model of perturbed production performance) to analyse the heterogenous PLF (Precision Livestock Farming) data of performance and activity of dairy goats. This will allow us to (1) determine the activity profiles associated with different husbandry practices considered in this project, and (2) to develop a multi-variable machine learning algorithm combined with dynamic model of goats’ performance considering behavioural and performance data, to detect deviations in the behavioural data in relation to perturbations of performance. The originality of our approach lies in the combining of the perturbed model of performance and a supervised machine learning algorithm. In particular, the following methods will be used: random forests (scikit-learn), gradient boosting with decision trees (xgboost, catboost, lightgbm), neural networks (tensorflow, keras). This project will break new ground in the characterization of activity profiles, and develop a novel modelling approach to detect deviations in these profiles. These deviations are potential signs of health and welfare problems. This interdisciplinary thesis will benefit from the expertise of supervisors in data analytics, Artificial Intellegence, biology of robustness, and animal behaviour. This project will provide a rich research environment for the PhD candidate because it is associated with a number of projects and researcher networks in which the supervisorial team is implicated. The successful candidate will have the possibility to participate in the meetings and seminars of these networks. After the three years of the thesis, the PhD is expected to obtain a solid experience in interdisciplinary research. The PhD student will acquire knowledge on what are the different types of modelling approaches and how the combination of such approaches enables valuable inferences to be extracted from existing data, in particular PLF data. She/he will be able to develop machine learning and concept driven models. From an animal science point of view, the PhD candidate will become familiar with animal welfare concept and its influence on production sustainability. Most of all, she/he will gain the necessary tools and interdisciplinary experience to be able to handle such projects in the future as researcher or engineer. The successful candidate will be integrated in the MoSAR team (systemic Modelling Applied to Ruminants) and the dynamic of doctoral school ABIES (Paris-Saclay university and AgroParisTech). She/he will have the possibility to follow graduate courses (English and French) of INRAE, university Paris-Saclay university and AgroParisTech.
En savoir plus :https://jobs.inrae.fr/en/ot-14635
Digit Welfare - PhD position - Saclay.pdf
Contact :masoomeh.taghipoor@inrae.fr
2-year postdoctoral position: Characterizing genetic variant pleiotropy using machine learning
Publiée le 27/04/2022 10:48.
Référence : Postdoc stat gen.
Postdoc, Université Paris Cité.
Entreprise/Organisme :UR 7537 — BioSTM Biostatistique, Traitement et Modélisation des données biologiques
Niveau d'études :Doctorat
Date de début :September 2022
Durée du contrat :2 years
Rémunération :According to experience
Description :Keywords: statistical genetics; pleiotropy; complex traits and diseases; GWAS; post-genomic data; causal inference; Mendelian randomization; Gaussian mixture models; unsupervised and semi-supervised learning 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. Indeed, the human genome is composed of about 20,000 genes if we consider the coding parts of the DNA, which is hardly more than the worm Caenorhabditis elegans for example. Thus, the complexity of the human organism, i.e. the great diversity of cell types and functions of the organism, must result rather from very high combinatorics and fine-tuned regulations of the expression of these genes. Therefore, mechanically, each genetic element (e.g. variant, gene) is expected to influence several traits. This phenomenon is called pleiotropy. Although pleiotropy is extremely common and thought to play a central role in the genetic architecture of human complex traits and diseases, it is one of the least understood phenomena. One of the most compelling lines of evidence supporting pleiotropy is provided by Genome-wide associations studies (GWASs) which consist in estimating the effect of genome-wide genetic variants on a studied trait. GWASs have yielded to the identification of countless genetic variants significantly associated with many complex traits and diseases, most certainly because of pleiotropy, and without being able to pinpoint a causal mechanism in the vast majority of cases. Therefore, many applications and method development have successfully reused the results of GWASs principally to study relationships between traits. One booming field using GWASs summary statistics data is causal inference between traits in the form of Mendelian randomization. The principle of Mendelian randomization is very simple and analogous to randomized control trials where the effects of variant alleles (instead of drug/placebo) are modeled through regression to estimate and test the causal effect of an exposure trait on an outcome trait. Although extremely appealing, Mendelian randomization relies on a strong assumption: the absence of horizontal pleiotropy occurring when a variant has independent effects on both the exposure and the outcome. Pleiotropy tended to be neglected in Mendelian randomization applications. In a stepping-stone paper published in Nature Genetics in 2018, we have shown that horizontal pleiotropy cannot be neglected and occurs in almost 50% of causal relationships, biasing causal estimates and inflating the false discovery rate of causal relationships. On a related topic, in 2019, we have published a proof-of-concept paper in Genome Biology to, not only detect horizontal pleiotropy, but to show that pleiotropy can be quantified at the level of the genetic variants themselves. We have shown that pleiotropy is widespread across the human genome. Today we intend to go further, we have conceptualized 5 biological mechanisms leading to pleiotropy 1) linkage disequilibrium; 2) causality between traits; 3) genetic correlation between traits; 4) high polygenicity of traits; 5) horizontal pleiotropy (true independent effects of a variant on two traits). We propose to build a comprehensive framework to disentangle all 5 states of pleiotropy and provide a genome-wide map of pleiotropy for genetic variants and to infer causal relationships between traits using machine learning. Specifically, we propose 1) to improve on a method that we have published the proof-of-concept paper using unsupervised approaches based on penalized methods, random forests or deep learning; 2) to explore semi-supervised learning using a creative strategy to label data that we have developed. There is a growing utility for Human genetic variant databases, from the interpretation of genetic analyses to clinical interpretation. We strongly believe that a database describing the pleiotropic nature of variants will complement existing databases and serve the community. Importantly, the full code of the produced methodology and the genome-wide map of pleiotropy will be made publicly available and highlighted in scientific publications.
En savoir plus :http://marie.verbanck.free.fr/PostdocPosition.pdf
Contact :marie.verbanck@u-paris.fr

Page précédente  1  2  <3>  4  5  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 :