Ingénieur-e en modélisation de systèmes biologiques

Retour à la liste des postes de la campagne

Présentation d'INRAE

L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche placé sous la double tutelle du ministère en charge de l’agriculture et du ministère en charge de la recherche. 

C'est un acteur majeur de la recherche et de l’innovation créé le 1er janvier 2020. Institut de recherche finalisé issu de la fusion entre l’Inra et Irstea, INRAE rassemble une communauté de 12 000 personnes, avec 268 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. 

L’institut se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal, et se classe 11ème mondial en écologie-environnement. Face à l’augmentation de la population, au changement climatique, à la raréfaction des ressources et au déclin de la biodiversité, INRAE construit des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.

Environnement de travail, missions et activités

L'unité de recherche en Mathématiques et Informatique Appliquées de Toulouse (MIAT) développe des méthodes mathématiques et des outils logiciels pour organiser et rendre accessibles les données biologiques acquises à différentes échelles du vivant (du gène à l'agroécosystème), représenter leurs modes d'organisation en modèles mathématiques et simuler leurs interactions au sein de systèmes complexes.
L'unité est composée de deux équipes de recherche et de trois équipes de service. Vous serez intégré-e dans l'équipe de recherche SaAB (Statistique et Algorithmique pour la Biologie, 15 personnes), une équipe pluri-disciplinaire
(bio)informatique/statistique reconnue pour ses travaux en intelligence artificielle, dont les applications scientifiques sont orientées principalement vers la biologie moléculaire, cellulaire et multi-cellulaire. En pratique, les modèles d'apprentissage restent très demandeurs en données d'apprentissage, ce qui peut limiter leur utilisation, en particulier aux échelles cellulaires. Des travaux récents suggèrent que les modèles déterministes permettraient d'améliorer de façon importante les modèles d'apprentissage, en générant des données simulées représentatives du comportement du système réel, et ce afin de limiter les données mesurées nécessaires à l'apprentissage. A l'inverse, les modèles basés sur l'apprentissage sont rapides à simuler et pourraient se substituer à tout ou une partie du modèle déterministe (plus gourmand en temps de calcul) afin d'attaquer des problématiques de simulation en grande dimension, voire de simulations hybrides où une partie de la population est simulée par le modèle déterministe, et une autre partie par le modèle par apprentissage.
Votre mission sera de développer une thématique émergente dans l'équipe sur l'hybridation de modèles mécanistes potentiellement multi-échelle et couplés à de l'apprentissage automatique. Vous serez en charge du développement de modèles déterministes ayant des capacités de prédiction suffisamment représentatives du système réel pour entraîner des modèles d'apprentissage, les interfacer avec (ou de les substituer par) des modèles d'apprentissage pour aller vers de la modélisation/simulation hybride dans le
cadre de projets de recherche. En particulier vous développerez un ensemble de méthodes et d'outils logiciels pour la construction, la calibration, la validation, la comparaison et l'évaluation des modèles déterministes et hybrides. Vous travaillerez sur des problématiques finalisées d'intérêt de l'équipe en collaboration avec les biologistes partenaires de l'équipe et principalement de :
- l'intégration de données omiques ;
- les relations génotypes - phénotypes (càd la caractérisation de la diversité génétique, la prédiction des capacités des cellules/organismes à produire des composés d'intérêt ou à répondre à un stress biotique ou abiotique),
- la modélisation multi-échelle de cellules ou de communautés de cellules interagissant avec leur environnement.

Le poste ouvre droit à une prime informatique dont le niveau sera déterminé en fin de campagne, sous réserve que le/la candidat(e) retenu(e) réponde aux conditions d'attribution de ladite prime.

Poste ouvert uniquement aux fonctionnaires et aux agents en CDI de la Fonction Publique.

Formations et compétences recherchées

Vous avez une expérience significative en modélisation, analyse et simulation de systèmes biologiques, avec un socle de compétences relevant des mathématiques appliquées, du calcul scientifique (analyse de systèmes dynamiques, optimisation convexe) et de l'informatique. Une bonne culture en machine learning sera appréciée. Vous maîtrisez au moins un langage de programmation (Python, Matlab, R, C++, etc). Il est attendu que vous soyez capable de faire preuve d'autonomie et de travailler à l'interface et en collaboration avec des communautés scientifiques différentes relevant des maths/info (systèmes dynamiques, optimisation, apprentissage, représentation des connaissances) ou de la biologie. Vous serez également amené-e à définir et/ou porter des projets de recherche et d'ingénierie interdisciplinaires sur les thèmes finalisés d'intérêt pour l'équipe SaAB. La maîtrise de l'anglais oral et écrit est indispensable.

Modalités pour postuler

1. Je télécharge le guide Guide des candidats - CAMOB 2024 pdf - 3.30 MB
2. Je note le numéro du profil CAMOB24-IR-MATHNUM-1
3. Je m'inscris Inscription