Consulter les offres d’emploi

Stage : évaluation de la synergie entre plusieurs produits dans les expériences in vitro
Publiée le 29/11/2019 18:39.
Stage, Vitry-sur-Seine.
Entreprise/Organisme :Sanofi
Niveau d'études :Master
Sujet :Experimental designs and analysis for detecting synergy and antagonism between compounds with in vitro experiments: method when the maximum effects are not shared or/and the relative potency is not constant and method for combination of at least 3 compounds
Durée du contrat :6 mois
Secteur d'activité :Biostatistique
Description :In therapeutic areas such as oncology, there is an increasing interest in the development of drug combinations. These combinations are selected because of a biological and mechanistical rational. They can increase efficacy or maintain it at lower doses with reduced adverse events. The first step of the development of a combination is to characterize the interaction between two compounds from in vitro experiments. The aim of these experiments is to determine the nature of the interaction between both compounds: synergistic, additive or antagonistic. An additive effect corresponds to a noninteraction situation in which the effect of a combination is that expected from the dose-response curves of the single compounds. A synergistic combination is commonly defined as a combination with an effect greater than an additive effect and an antagonistic combination as a combination with an effect lower than an additive effect. The dose-effect relation is commonly modelled by a 4-parameter logistic model considering a saturation process. Therefore, the idea of simply adding the effects of single compounds and to compare this result to the effect of the combination is not accurate. In this context, several models and methods have been developed to demonstrate synergy. One of the main reference models to express synergy is the Loewe additivity model (Loewe and Muischnek, 1926). Although the Loewe model is widely used, two strong constraints must be met before using it: both compounds should have the same maximum effect and a constant relative potency. At least one of these constraints is very often non respected, in this case the validity of the model is questionable. The first aim of this internship will be to make an overview of the current statistical methods to analyze compounds combination with in vitro experiments. This work will be focused on: - the management of the cases where the maximum effect is not shared between compounds or where the relative potency is not constant - the analysis of combinations of at least 3 compounds Improvements of Loewe model as well as new models/methods will be explored. In parallel, the R packages available for the analysis of in vitro combination experiments will be studied and compared. From this review of the bibliography and of R packages, a method will be selected and implemented in R and/or SAS.
En savoir plus :NA
Annonce stage NCES2019 - synergy.pdf
Contact :fanny.windenberger@sanofi.com
IDENTIFICATION DE BIOMARQUEURS DE L’EFFICACITE ALIMENTAIRE CHEZ LE PORC
Publiée le 29/11/2019 18:39.
Référence : IDENTIFICATION DE BIOMARQUEURS DE L’EFFICACITE ALIMENTAIRE CHEZ LE PORC.
Stage, INRA Castanet-Tolosan.
Entreprise/Organisme :INRA
Niveau d'études :Master
Sujet :L’objectif du stage est d’évaluer quels sont les biomarqueurs qui sont robustes aux facteurs de variation générés par l’échantillonnage et quels sont ceux qui sont sensibles à ces facteurs, afin de proposer une liste de biomarqueurs utilisables pour la sélection d'animaux plus efficaces.
Date de début :Janvier à mars 2019
Durée du contrat :6 mois
Rémunération :560€/mois
Secteur d'activité :génétique statistique appliquée aux animaux d'élevage
Description :Contexte, problématique La sélection pour une amélioration de l’utilisation de l’aliment par les porcs en croissance a connu un bouleversement important depuis les années 2000, avec la mise sur le marché de dispositifs d’enregistrement automatique de l’ingéré des porcs élevés en groupe (DAC = distributeurs automatiques de concentré). Ces automates permettent de mesurer individuellement l’ingéré des porcs élevés en groupe dans des conditions d’élevage aussi proches que possible des conditions de production. La mesure de l’ingéré est la base de l’estimation de l’efficacité alimentaire, qui contribue à la performance économique de la filière et à la réduction de son impact sur l’environnement. Cependant, le coût des automates d’alimentation est une limite majeure à la mesure de l’ensemble des candidats à la sélection, ce qui limite l’efficacité de la sélection. Depuis 10 ans des recherches sont menées pour identifier des biomarqueurs, qui seraient plus facilement mesurables sur l’ensemble des animaux pour prédire leur efficacité alimentaire (Gondret et al., 2017, 2019). L’identification de potentiels biomarqueurs (phase de découverte) est généralement conduite chez un nombre limité d’animaux mesurés dans des conditions relativement standardisées. Une deuxième phase, dite de validation, consiste à échantillonner de façon indépendante des animaux pour un tissu facilement accessible, typiquement le sang ou la salive, et à évaluer les équations de prédictions obtenues dans les premiers jeux de données sur ces animaux. Les biomarqueurs sélectionnés ont été découverts dans une population Large White sélectionnées pour l’efficacité alimentaire. Un jeu de données de validation formé de 4 cohortes de porcs a été constitué pour valider des biomarqueurs de l’efficacité alimentaire identifiés dans les études précédentes. La première cohorte a été échantillonnées dans la même population Large White que la population de découverte, échantillonnée dans un autre élevage (N=200 porcs). La deuxième cohorte est de même race Large White mais séparée génétiquement depuis 20 ans, et les porcs échantillonnés étaient nourris avec un aliment conventionnel, comme dans la population de découverte, ou avec un aliment alternatif plus fibreux mais moins coûteux (N=400 porcs). Les troisième et quatrième cohortes (n=200/cohorte) appartiennent à d’autres races et ont des caractéristiques biologiques différentes : les Piétrains sont plus maigres et mangent moins, alors que les Duroc ont une meilleure qualité de viande. Dans cette description des cohortes, différents facteurs sont susceptibles de générer des écarts avec la population de découverte (élevage, aliment, race…). L’ensemble des animaux retenus ont des mesures d’efficacité alimentaire, des dosages pour une vingtaine de paramètres sanguins (hormones, niveaux d’expression de gènes), et pour les 400 Large White de la deuxième cohorte, des formules sanguines. Objectif du stage L’objectif est d’évaluer quels sont les biomarqueurs qui sont robustes aux facteurs de variation générés par l’échantillonnage, quels sont ceux qui sont sensibles à ces facteurs, afin de proposer une liste de biomarqueurs utilisables sur le terrain pour la sélection. Pour cela, il faudra : 1. Tester la sensibilité des biomarqueurs aux différents facteurs de variation du dispositif 2. Evaluer les corrélations phénotypiques, et génétiques pour les plus grandes cohortes, entre les caractères mesurés et les biomarqueurs dosés 3. Evaluer les corrélations phénotypiques, et génétiques pour les plus grandes cohortes, entre les caractères mesurés et les équations de prédiction précédemment établies 4. Proposer si besoin de nouvelles combinaisons de biomarqueurs prédictives de l’efficacité alimentaire. Les données enregistrées en élevage ainsi que les dosages seront disponibles dès le début du stage. Les travaux feront appel à des modèles linéaires simples pour décrire les phénotypes enregistrés (volet 1), et à des modèles linéaires mixtes pour estimer les corrélations génétiques entre les caractères (volets 2 et 3). Dans le dernier volet, des sélections de variables, d’abord par des méthodes de régression stepwise et des arbres de classification, puis éventuellement des approches de type partial least square et random forest, seront envisagées. Le stagiaire devra avoir un goût pour l’analyse statistiques des données et/ou la zootechnie. Les données ont été collectées dans le cadre d’un projet en partenariat avec les organisations de sélection porcines françaises (Nucleus et Axiom), l’IFIP-institut du porc, et le laboratoire PEGASE (Isabelle Louveau, Florence Gondret) pour la production des dosages. Des restitutions des résultats à l’ensemble des partenaires sont planifiées en cours et à la fin du stage.
En savoir plus :https://genphyse.toulouse.inra.fr/ http://suspig-era.net/
Stage M2 H Gilbert - biomarqueurs - 2020.pdf
Contact :helene.gilbert@inra.fr
Stage en IA et Santé Travail
Publiée le 29/11/2019 18:39.
Référence : Mounia N. HOCINE.
Stage, Cnam, 292 rue Saint Martin 76003 Paris.
Entreprise/Organisme :Conservatoire national des arts et métiers
Niveau d'études :DUT/Licence ou équivalent
Sujet :Création d’un outil de visualisation R Shiny pour l’aide à la décision en prévention des risques psychosociaux.
Date de début :mars 2020
Durée du contrat :3 mois
Rémunération :selon profil
Secteur d'activité :IA & Santé Travail
Description :Dans les actions de prévention des risques psychosociaux (RPS) tels que le stress, l’anxiété ou le burnout, les managers ont besoin d’outils pertinents d’aide à la décision pour identifier les facteurs psychosociaux (liés notamment à l’organisation et à l’environnement de travail) sur lesquels ils devraient agir en priorité pour réduire le niveau de ces risques et promouvoir ainsi la santé mentale et physique au travail [1]. Pour cela, nous avons développé différentes méthodes statistiques (Weifila, Shapley) et des outils d’apprentissage statistique (forêts aléatoires) permettant de classer les déterminants des risques psychosociaux en prenant compte : (i) le niveau mesuré de l’exposition des salariés à chacun des facteurs psychosociaux étudiés et (ii) l’importance calculée de chacun de ces facteurs dans la prédiction du niveau de santé mentale [2] au travail, en utilisant les modèles et les outils d’apprentissage développés. L’objectif de ce stage est de développer un outil de visualisation facile d’utilisation par les décideurs en milieu professionnel, de préférence avec R Shiny : un outil clé en main dans le management et prévention des RPS.
En savoir plus :http://mesurs.cnam.fr/spip.php?rubrique7
Stage stress DUT 2020.pdf
Contact :mounia.hocine@cnam.fr
PhD scholarship: Spatial statistics - University of Otago (NZ)
Publiée le 28/11/2019 09:57.
Thèse, Dunedin, New-Zealand.
Entreprise/Organisme :University of Otago
Niveau d'études :Master
Sujet :Research project: “A new generation of statistical models for spatial point process data”; 19-UOO-191. Funding body: Royal Society of New Zealand Marsden Fund Funding duration: March 2020 - March 2023 Supervisory team: Dr Tilman Davies (PI — University of Otago, New Zealand); Prof Martin Hazelton (AI - University of Otago, New Zealand); Prof Adrian Baddeley (AI - Curtin University, WA, Australia). We are currently seeking expressions of interest for a fully-funded 3-year PhD scholarship, available as part of a prestigious Royal Society of New Zealand Marsden Fund Research Grant recently awarded in the 2019 round. The student will be supervised by Principal Investigator Dr. Tilman Davies alongside Professor Adrian Baddeley and Professor Martin Hazelton, working on their project “A new generation of statistical models for spatial point process data” (19-UOO-191). The scholarship provides a generous annual tax-free stipend and student fees are also covered. The research project develops new methods for disentangling fixed and random effects in spatial point patterns. This is a fundamental and important problem in the interpretation of data in a wide variety of research fields, including epidemiology, ecology, and archaeology to name a few. In the absence of solution to this problem, researchers are unable to prove whether a cluster of disease cases, for example, is explained by a single contaminating source or by contagion between infected individuals. The student, based primarily at the University of Otago in Dunedin, New Zealand, will work closely with the supervisory team to develop new and refine existing approaches to modelling point patterns that comprise both deterministic and stochastic influences. This will involve work covering statistical theory, methodology, computation and application of cutting-edge statistical techniques for spatial data. The ideal candidate will have an excellent Honours/Masters degree in statistics (or equivalent), with an aptitude for research and strong computational skills (e.g. the R language). An interest in spatial applications is also highly desirable. To express interest and learn more about the specifics of the project as well as the members of the supervisory team, visit the link above and get in touch. About Dunedin: Dunedin is a vibrant university town in the South Island of New Zealand, and home to the University of Otago — New Zealand’s oldest university. The statistics group within the Department of Mathematics and Statistics is an energetic group of researchers with expertise in many different areas; including but not limited to Bayesian modelling; smoothing and nonparametric statistics; statistical applications in ecology, seismology and genetics; stochastic modelling; and spatial statistics. We have strong ties to collaborators in statistics and other disciplines both within and outside of the university.
Date de début :March 2020
Durée du contrat :3 years
Rémunération :~NZ$27,000/year
Description :See PhD project description
En savoir plus :https://www.stats.otago.ac.nz/?MarsdenPhD
Contact :tdavies@maths.otago.ac.nz
Amélioration d'un pipeline d'analyses de données pour la sélection végétale
Publiée le 26/11/2019 18:48.
Référence : Offre de stage M2 mathématiques appliquées.
Stage, Chappes.
Entreprise/Organisme :Limagrain
Niveau d'études :Master
Sujet :Quatrième semencier mondial, Limagrain est un groupe coopératif international créé et dirigé par des agriculteurs français. Créateur et producteur de variétés végétales, Limagrain commercialise des semences de grandes cultures, des semences potagères et des produits céréaliers. L'objectif du stage consiste à améliorer un pipeline d'analyses de données pour une de nos espèces stratégiques. Les outils ainsi développés assistent nos sélectionneurs dans leurs choix de croisements de variétés. Une première version de ce pipeline a été développée en langage de programmation R il y a quelques années et doit être modifiée afin de mieux répondre aux besoins de nos utilisateurs. Le stagiaire aura donc pour mission de reprendre les outils existants et de les améliorer en y intégrant de nouvelles techniques mathématiques (analyses de données, optimisation...). Le candidat retenu devra également mettre en place les outils manquant au pipeline. Afin de faciliter l'utilisation de ces outils pour les sélectionneurs, des interfaces graphiques interactives écrites en Shiny seront testées.
Date de début :Premier semestre 2020
Durée du contrat :5 à 6 mois
Rémunération :Suivant les grilles de l'entreprise
Secteur d'activité :Agriculture
Description :• Comprendre les différentes étapes du pipeline et les outils associés. • Analyser le process existant et identifier les axes d'amélioration. • Intégrer un nouvel outil d'optimisation des coûts. • Améliorer la gestion des données et les algorithmes d'optimisation • Retravailler les entrées/sorties des outils en fonction des besoins des utilisateurs. • Tester de nouvelles interfaces graphiques permettant une utilisation interactive des outils (Shiny...)
En savoir plus :https://talent.limagrain.com/offre-de-emploi/emploi-stagiaire-amelioration-d-un-pipeline-d-analyses-
StageAmeliorationPipeline.Limagrain.pdf
Contact :cedric.loi@limagrain.com
Exploration de plusieurs modèles statistiques pour prédire les captures et rejets des pêcheurs
Publiée le 26/11/2019 14:38.
Référence : Proposition de stage M2 bio-stat.
Stage, Nantes ou Paris.
Entreprise/Organisme :Ifremer /AgroParisTech
Niveau d'études :Master
Sujet :Dans le contexte de la nouvelle réglementation de la pêche au travers de l’interdiction de rejeter et de l’objectif d’atteinte du bon état écologique des écosystèmes marins, les pêcheurs seront soumis à terme à l’obligation de débarquer pratiquement tout ce qu’ils capturent, voire d’arrêter leur activité en cours d’année pour éviter les rejets. Pour anticiper les conséquences de cette réglementation et envisager des stratégies de pêche qui éviteraient ces rejets, il est nécessaire de comprendre le comportement de rejets des pêcheurs. Les quantités débarquées et les espèces débarquées par les pêcheurs sont systématiquement déclarées à chaque sortie en mer, contrairement aux rejets qui ne sont connus que pour un petit nombre de bateaux et de sorties en mer. L’enjeu de ce stage est de modéliser les espèces et les quantités rejetées à partir des espèces et des quantités débarquées en travaillant sur un jeu d’apprentissage pour ensuite prédire les rejets à partir des déclarations systématiques de débarquements. Les captures des pêcheurs par espèces constituent un jeu de données qui peut facilement être décrit à l’aide d’un graphe bipartite reliant une opération de pêche et des espèces capturées et d’une matrice d’incidence décrivant la présence/absence de captures ou les quantités capturées. Dès lors les modèles aléatoires de graphes (tels que Erdös-Rényi ou modèle à blocs latents- LBM ) sont pertinents pour réaliser une analyse statistique des structures du graphe et comprendre les associations d’espèces dans les captures et les associations d’opérations de pêche. Dans cette étude, nous souhaitons 1) modéliser conjointement les quantités débarquées et les quantités rejetées, en utilisant un modèle à blocs latents ajusté sur un jeu de données d’apprentissage, 2) utiliser ce modèle pour prédire les quantités rejetées à partir des quantités débarquées par groupe d’espèces sur le jeu de données des déclarations de débarquements et, 3) explorer les performances de ce modèle par rapport à des approches plus classiques comme les modèles linéaires, les forêts aléatoires ou les réseaux de neurones (en utilisant par exemple le package keras depuis R). Les données de captures et de rejets ont des distributions particulières qui comportent beaucoup de 0 et des co-variances entre les rejets et les captures hétérogènes. La librairie Blockmodels de R permet actuellement de faire des ajustements de LBM sous certaines hypothèses de distributions qui pourraient s’avérer peu réalistes pour le jeu de données à explorer. Cette étude sera aussi l’occasion d’enrichir la librairie Blockmodels en relâchant certaines hypothèses.
Durée du contrat :6 mois
Description :Dans le contexte de la nouvelle réglementation de la pêche au travers de l’interdiction de rejeter et de l’objectif d’atteinte du bon état écologique des écosystèmes marins, les pêcheurs seront soumis à terme à l’obligation de débarquer pratiquement tout ce qu’ils capturent, voire d’arrêter leur activité en cours d’année pour éviter les rejets. Pour anticiper les conséquences de cette réglementation et envisager des stratégies de pêche qui éviteraient ces rejets, il est nécessaire de comprendre le comportement de rejets des pêcheurs. Les quantités débarquées et les espèces débarquées par les pêcheurs sont systématiquement déclarées à chaque sortie en mer, contrairement aux rejets qui ne sont connus que pour un petit nombre de bateaux et de sorties en mer. L’enjeu de ce stage est de modéliser les espèces et les quantités rejetées à partir des espèces et des quantités débarquées en travaillant sur un jeu d’apprentissage pour ensuite prédire les rejets à partir des déclarations systématiques de débarquements. Les captures des pêcheurs par espèces constituent un jeu de données qui peut facilement être décrit à l’aide d’un graphe bipartite reliant une opération de pêche et des espèces capturées et d’une matrice d’incidence décrivant la présence/absence de captures ou les quantités capturées. Dès lors les modèles aléatoires de graphes (tels que Erdös-Rényi ou modèle à blocs latents- LBM ) sont pertinents pour réaliser une analyse statistique des structures du graphe et comprendre les associations d’espèces dans les captures et les associations d’opérations de pêche. Dans cette étude, nous souhaitons 1) modéliser conjointement les quantités débarquées et les quantités rejetées, en utilisant un modèle à blocs latents ajusté sur un jeu de données d’apprentissage, 2) utiliser ce modèle pour prédire les quantités rejetées à partir des quantités débarquées par groupe d’espèces sur le jeu de données des déclarations de débarquements et, 3) explorer les performances de ce modèle par rapport à des approches plus classiques comme les modèles linéaires, les forêts aléatoires ou les réseaux de neurones (en utilisant par exemple le package keras depuis R). Les données de captures et de rejets ont des distributions particulières qui comportent beaucoup de 0 et des co-variances entre les rejets et les captures hétérogènes. La librairie Blockmodels de R permet actuellement de faire des ajustements de LBM sous certaines hypothèses de distributions qui pourraient s’avérer peu réalistes pour le jeu de données à explorer. Cette étude sera aussi l’occasion d’enrichir la librairie Blockmodels en relâchant certaines hypothèses.
En savoir plus :https://wwz.ifremer.fr/emh/ https://www6.inra.fr/mia-paris/Equipes/Stat-Genome
Contact :smahevas@ifremer.fr
Biostatistics Internship (Master)
Publiée le 25/11/2019 11:35.
Stage, Villejuif.
Entreprise/Organisme :Gustave Roussy
Niveau d'études :Master
Sujet :Subject-specific predictions in joint modelling framework
Date de début :February-March 2020
Durée du contrat :5-6 months
Description :See pdf.
En savoir plus :https://www.gustaveroussy.fr/
Stage_GustaveRoussy_JointModelling.pdf
Contact :maryam.karimi@gustaveroussy.fr
Stage "enseignement de la statistique"
Publiée le 22/11/2019 20:07.
Stage, Lyon.
Entreprise/Organisme :Université Lyon 2
Niveau d'études :Master
Sujet :Stage en didactique de la statistique - Comment apprendre la statistique aux statisticiens?
Date de début :1er semestre 2020
Durée du contrat :6 mois
Description :Un panorama de la recherche en didactique de la statistique sur la période 2009-2019 en France montre qu'une recherche sur l'apprentissage de la statistique au delà de quelques cas particuliers reste à faire. Certes, les enseignants non formés à la statistique (lycée) ou faisant face à un public non familiarisé avec la statistique (enseignement supérieur) se posent des questions pratiques sur la façon d'enseigner la statistique de base (récolte des données, statistique descriptive, statistique inférentielle simple). Les articles publiés ces dix dernières années répondent à ces besoins pratiques. Mais encore trop rare est la recherche didactique sur l'approche de l'enseignement de la statistique à des statisticiens : présupposés, méthodes, difficultés des apprenantsldots Au moment où la science des données se développe et où les formations supérieures dans le domaine statistique se multiplient, il y a là matière à recherche. section{Sujet de stage} Ce sujet de stage poursuit plusieurs objectifs et peut tout à fait être adapté suivant les envies de l'étudiant d'une part, et en fonction de l'avancée du stage d'autre part. Les points de départ possibles sont : - Etablir un état de l'art des questions de recherche en apprentissage de la statistique dans le supérieur, et en particulier dans les formations de statisticiens. Cet état de l'art s'appuiera sur les revues anglo-saxonnes du domaine. - Etablir un état des lieux des formations de statisticiens, et recenser les questions didactiques que se posent les enseignants et directeurs des formations - Accompagner un/des enseignants en statistique à l'université dans ses pratiques pour répondre à une question didactique pratique.
En savoir plus :https://eric.univ-lyon2.fr/~arolland/supports/stage%20-%20ROLLAND.pdf
stage - ROLLAND.pdf
Contact :antoine.rolland@univ-lyon2.fr
Quantification of the performance of extreme quantile Bayesian estimators
Publiée le 22/11/2019 18:15.
Référence : Master 2 internship at Inria Grenoble Rhône-Alpes (collaboration with EDF R&D).
Stage, Inria Grenoble Rhône-Alpes.
Entreprise/Organisme :Inria Grenoble Rhône-Alpes (collaboration with EDF R&D)
Niveau d'études :Master
Sujet :Quantification of the performance of extreme quantile Bayesian estimators - Application to environmental data (internship to be followed by a Ph.D.)
Date de début :February 2020
Durée du contrat :6 months + 3 years
Rémunération :About 1000€/month for the internship
Secteur d'activité :Statistic/machine learning
Description :The objective of the internship is to study the applicability of theoretical results establishing the convergence of extreme quantile Bayesian estimators (see for example "Extreme value theory, an introduction", L. de Haan & A. Ferreira, Springer, 2006, for a description of non-Bayesian extreme quantile estimators). These results are established in the non-Bayesian setting for sample sizes tending towards infinity and under certain technical assumptions. We wish to compare these asymptotic results with the reality of finite sample sizes on simulated data. In particular, the accuracy of asymptotic biases, variances and confidence intervals will need to be quantified in practice.
En savoir plus :https://bayesian.org/master-internship-ph-d-at-inria-grenoble-rhone-alpes-france/
Sujet_INRIA_EDF_ExtrapValExtr.pdf
Contact :julyan.arbel@inria.fr
Modélisation probabiliste de la dynamique de transmission des maladies hydriques
Publiée le 22/11/2019 18:15.
Référence : Stage + Thèse Montpellier-Mayotte.
Thèse, Montpellier et Mayotte.
Entreprise/Organisme :Université de Montpellier, CUFR Mayotte, ARS
Niveau d'études :Master
Sujet :L’objectif de cette thèse est de proposer et d’étudier de nouveaux modèles de propagation des maladies hydriques. Ces modèles prendront en compte en particulier au moins deux populations de caractéristiques sanitaires différentes ayant accès à des eaux de différente qualité correspondant aux spécificités de la population mahoraise et ses caractéristiques migratoires ainsi que des indicateurs de précarité, des habitudes comportementales, le temps de latence et le taux de couverture de la maladie et éventuellement la dynamique spatiale. On utilisera la formalisme des processus markoviens déterministes par morceaux (PDMP) qui sont une large classe de processus permettant de prendre simultanément en compte des évolutions stochastiques et déterministes, les différentes échelles de taille de population et l’évolution des covariables d’intérêt.
Date de début :printemps 2020
Durée du contrat :6 mois de stage + 3 ans de thèse
Description :Dans un premier temps, une étude théorique et par simulation des modèles retenus permettra de déterminer leur comportement stationnaire et d’étudier les caractéristiques de la population à l’équilibre. En fonction des données disponibles, les modèles seront calibrés dans la mesure du possible avec les données d’enquête de Mayotte, et on étudiera les propriétés théoriques des estimateurs des différents paramètres. Dans un second temps, on étudiera l’influence de certains paramètres comme le nombre et le positionnement des BFM sur des indicateurs de la santé globale de la population pour quantifier l’impact de différents scénarios et proposer des stratégies d’optimisation de l’implantation de ces points d’eau qui pourront permettre d’orienter les actions des services de l’ARS de Mayotte. Enfin, le projet pourra s’étendre aux maladies à transmission vectorielle afin de compléter le modèle voire aux pathologies présentes sur le territoire (maladie de la peau, etc) en incluant également des paramètres liés à l’exploitation du Système nationale des données de santé (SNDS) pour une généralisation du modèle à d’autres territoires que Mayotte.
En savoir plus :https://imag.umontpellier.fr/~saporta/
Stage+these_ARS.pdf
Contact :benoite.de-saporta@umontpellier.fr
Ingénieur biostatisticien - Data Scientist
Publiée le 22/11/2019 18:15.
CDD, Lyon.
Entreprise/Organisme :Service de Biostatistique /Hospices Civils de Lyon
Niveau d'études :Master
Date de début :Dès que possible
Durée du contrat :1 an temps plein
Description :La mission du service de Biostatistique-Bioinformatique est de garantir une activité d’appui statistique à la recherche clinique et épidémiologique pour les cliniciens, les biologistes, les pharmaciens, et à différents besoins émanant des Directions des HCL. Dans le cadre du développement des activités du service, nous recherchons une personne ayant des connaissances plus spécifiques dans les domaines de l’Intelligence Artificielle et des données de grandes dimensions (BigData). Notamment sur l’utilisation et la mise en pratique des méthodes de machine learning et deep learning ainsi que sur des approches graphiques de visualisation des données. Une connaissance des données type –omique serait un plus. La réalisation de ces missions pourra vous conduire entre autre à développer des applications informatiques, publier des résultats scientifiques, faire des présentations, animer des groupes de travail et rédiger des rapports techniques.
En savoir plus :NA
fiche poste ingenieur_Service Biostatistique_HCL.pdf
Contact :delphine.maucort-boulch@chu-lyon.fr
Biostatistics intership
Publiée le 22/11/2019 13:05.
Stage, Angers.
Entreprise/Organisme :CHU Angers
Niveau d'études :Master
Date de début :Between January and April 2020
Durée du contrat :6 months
Rémunération :550 euros
Description :see pdf
En savoir plus :https://www.univ-angers.fr/fr/recherche/laboratoires/sante/hifih.html
BIOSTATISTICS_INTERNSHIP.pdf
Contact :marine.roux@univ-angers.fr
Stage de 6 mois (M2): Intégration de données hétérogènes
Publiée le 21/11/2019 21:05.
Stage, 28 rue du docteur Roux 75015 Paris.
Entreprise/Organisme :Institut Pasteur
Niveau d'études :Master
Sujet :Intégration de données hétérogènes
Date de début :De février à avril 2020
Durée du contrat :6 mois
Secteur d'activité :Biostatistiques
Description :Contexte du stage Avec la multiplication des technologies de séquençage et d'acquisition de données biologiques, de plus en plus d'études proposent plusieurs points de vue sur une même problématique en mesurant des caractéristiques différentes -comme par exemple sur le génome, le transcriptome, le protéome ou l'épigénome- sur le même échantillon. Cela entraîne la production de jeux de données complexes et souvent multimodaux. En parallèle, les résultats de nombreuses expériences sont rassemblés dans des bases de données publiques, ce qui permet de mettre en relation des éléments biologiques en fonction de critères variés. Par exemple, les bases de données KEGG ou Hallmark permettent, entre autres, de créer des groupes de gènes en fonction de leur fonction biologique. Dans le cadre de ce stage, le/la candidat-e participera de façon active au développement de nouvelles méthodes permettant l'intégration de structures de données complexes (comme des groupes de gènes) dans des méthodes classiques d'analyse de données multivariées : l'Analyse en Composantes Principales, l'Analyse des Corrélations Canoniques, la régression PLS etc. De plus, RGCCA [1] étant la méthode de choix pour l'intégration de données comportant plusieurs blocs, les développements effectués pendant ce stage pourraient également lui être appliqués. Les données qui seront analysées incluent des données publiques issues du projet TCGA (The Cancer Genome Atlas), les données du projet Milieu Intérieur ou les données du projet Afribiota. Le stage se déroulera à l'Institut Pasteur, dans les locaux du département de biologie computationnelle (https://c3bi.pasteur.fr/). Profil recherché Statisticien/ne, data analyst ou data scientist, le/la candidat/e doit avoir de solides compétences en analyse de données multivariées et de bonnes compétences en programmation R et maîtriser l'utilisation de R Markdown. Le/la candidat/e doit également avoir un intérêt pour l'application des méthodes statistiques à l'analyse de données biologiques, et pouvoir faire preuve d'autonomie. Contact Envoyez CV et lettre de motivation à vincent.guillemot@pasteur.fr avant le 15 janvier 2020.
En savoir plus :https://c3bi.pasteur.fr/
Stage de 6 mois (M2)_ Intégration de données hétérogènes-1.pdf
Contact :vincent.guillemot@pasteur.fr
Evaluation et prédiction génomique pour des données de spectrométrie vibrationnelle
Publiée le 20/11/2019 15:58.
Référence : SpectroGwas.
Stage, Agrocampus Ouest, site de Rennes (35).
Entreprise/Organisme :Agrocampus Ouest
Niveau d'études :Master
Sujet :Evaluation et prédiction génomique pour des données de spectrométrie vibrationnelle
Date de début :Février 2020
Durée du contrat :6 mois
Rémunération :Environ 550€/mois
Secteur d'activité :Recherche, Statistique appliquée à la génomique, Données fonctionnelles
Description :L’évolution rapide des technologies de séquençage du génome permet aujourd’hui de disposer, pour de nombreuses espèces dont certaines d’intérêt agronomique, d’un recensement très riche des paires de nucléotides montrant des variations parmi les individus d’une même espèce. Le profil, obtenu pour un grand nombre d’individus par génotypage à haut débit de ces paires de nucléotides appelées Single Nucleotide Polymorphisms ou SNP, a notamment ouvert de nouvelles perspectives pour identifier les déterminants génétiques de maladies humaines, dans le cadre de l’épidémiologie génétique. La valorisation agronomique de ces données représente également un enjeu très important pour la recherche de gènes contrôlant des phénotypes d’intérêt, à des fins de prédiction ou de sélection. Le nombre très important de SNP (plusieurs centaines de milliers) recensés pour chaque espèce et la complexité des interactions entre gènes ou entre gènes et environnement requièrent de grands dispositifs expérimentaux, souvent constitués de plusieurs centaines d’individus, pour atteindre une puissance de test d’association, ou une performance de prédiction, raisonnable. Or, la taille de ces dispositifs est le plus souvent incompatible avec les moyens à mobiliser pour la mesure des phénotypes d’intérêt agronomique. La limitation des dispositifs expérimentaux, liée au coût expérimental, est particulièrement importante dans le cadre d’un partenariat entre le Syndicat des Sélectionneurs Avicoles et Aquacoles Français (SYSAAF), l’ISCR et l’Irmar (deux Unités de Recherche CNRS), où le phénotype d’intérêt est multivarié (quelques dizaines de concentrations en différents types d’acide gras) et la mesure de chacun de ces caractères phénotypiques implique plusieurs analyses biochimiques coûteuses. Plus facile à mettre en œuvre, les technologies de spectrométrie vibrationnelle génèrent, pour chaque individu, des courbes de haute résolution dont certains éléments de forme, des pics, sont caractéristiques de propriétés biochimiques des tissus analysés, voire de types de profils en acide gras. Le dispositif expérimental mis en œuvre dans le cadre de ce projet repose donc sur un plan en double échantillonnage, incluant la mesure conjointe, sur un grand nombre d’individus, des génotypes associés aux SNP d’une part et des spectres de diffusion Raman d’autre part, et sur un plus petit nombre d’individus, des mesures conjointes des spectres et des profils d’acide gras mesurés par analyse biochimique. Les problèmes méthodologiques que posent l’introduction de données fonctionnelles (spectres) dans une étude d’association à l’échelle du génome sont nombreux : • La conception de méthodes de tests multiples d’association et d’apprentissage statistique pour la prédiction entre des données fonctionnelles et des données de génotypage, tenant compte de structures de forte dépendance, de type temporel pour les spectres, et spatial unidimensionnel le long du génome pour les génotypes (voir Sheu et al., 2016, Causeur et al., 2019, Hébert et al. 2019). • Les problématiques d’inférence post-sélection qu’impliquent l’objectif d’identification d’intervalles de longueurs d’ondes (pics) d’intérêt dans les spectres Raman (voir Heller et al., 2018) pour les SNPS (ou blocs de SNPs, gènes) détectés par la procédure de tests multiples. • La validation de la procédure de prédiction génomique pour les mesures de teneurs en acides gras par analyse biochimique dans un dispositif à double échantillonnage, tel que décrit plus haut (voir Causeur et Husson, 2008 pour les tests en double échantillonnage). La mission du stage n’a pas pour ambition d’aborder toutes ces problématiques, mais de proposer des solutions méthodologiques pour la première évoquée ci-dessus, concernant les tests d’association fonctionnelle à l’échelle du génome.
En savoir plus :http://math.agrocampus-ouest.fr/infoglueDeliverLive/membres/david.causeur/
Internship - Master - Open position - Spectrogwas.pdf
Contact :david.causeur@agrocampus-ouest.fr
Biostatisticien(-ne)
Publiée le 20/11/2019 15:58.
Référence : VD/BIOSTAT1119/MV/CCMS.
CDI, Strassen.
Entreprise/Organisme :Luxembourg Institute of Health (LIH)
Niveau d'études :Master
Date de début :As soon as possible
Secteur d'activité :Biomedical Research
Description :European Health Interview Survey” (EHIS) est une étude obligatoire pour les Pays membres de l’Union Européenne. C’est une étude observationnelle transversale en population générale (cross-sectional population-based survey). Les questions portent sur l’état de la santé, l’utilisation des services de soins de santé, les habitudes de vie (comportement de santé) et l’entourage social. L’objectif de l’étude est de décrire l’état et les comportements de santé de la population résidente et les besoins de soins et de prévention afférents. Le recrutement des participants et la collecte de données sont prévus de janvier à décembre 2019 avec un objectif de 3600 participants. L’année 2020 sera consacrée au nettoyage de la base de données, à l’analyse statistique et à la rédaction du rapport présentant les données collectées. Dans ce cadre, le (la) biostaticiticien(-ne) sera principalement en charge de : Gérer et contrôler les données d’étude ainsi que les analyses statistiques de l’étude EHIS-LUX ; Garantir la réglementation, la qualité, la confidentialité et la sécurité des données ; Préparer et transférer les données à Eurostat et à la Direction de la santé (base de données et métadonnées) ; Apporter un soutien méthodologique et statistique à d’autres projets, en fonction des besoins de l’unité.
En savoir plus :https://www.lih.lu/jobs/detail/biostatisticien-ne-mv1119-13003#scrollTop=0
Biostatisticien - MV1119.pdf
Contact :virginie.delandsheer@lih.lu

Page précédente  1  2  3  <4>  5  6  7  8  Page suivante

 
 
©2020 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 :