Post-Doctorant F/H Inférence de réseaux de régulation génique et de trajectoires à partir de données multiome single-cell temporelles

Inria Marseille, Campus La Timone Marseille, Campus La Timone, France

About the position

Context

Le cancer est la première cause de mortalité par maladie chez l’enfant après l’âge d’un an en France. Les cancers pédiatriques se distinguent nettement de ceux de l’adulte : leur charge mutationnelle est faible, leurs drivers ciblent préférentiellement des facteurs de transcription développementaux et la machinerie épigénétique, et les cellules tumorales récapitulent des états de progéniteurs fœtaux normalement transitoires. L’initiation tumorale apparaît ainsi comme la convergence d’un événement oncogénique avec l’état épigénétique d’un progéniteur d’origine, potentiellement modulé par sa niche et par des expositions environnementales.
Le programme OncoMOD réunit douze équipes en France (Institut Curie, Gustave Roussy, Centre de Recherche en Cancérologie de Lyon, Inria, entre autres), sous la coordination de Thomas Mercher (Gustave Roussy). Il vise à identifier les modules oncogéniques
– unités régulatrices fonctionnelles comprenant des facteurs de transcription, leurs cibles chromatiniennes et les dépendances associées – dont l’activité est altérée à l’initiation des leucémies, sarcomes et tumeurs cérébrales de l’enfant, et à déterminer si ces modules sont partagés entre types tumoraux.
Au sein de ce programme, l’équipe COMPO pilote la tâche consacrée aux déterminants environnementaux de l’initiation tumorale. Plusieurs modèles de cellules d’origine (cellules de la crête neurale, myoblastes, progéniteurs hématopoïétiques, précurseurs des neurones granulaires du cervelet), en versions natives et pré-néoplasiques porteuses d’un premier événement oncogénique, seront exposés à un pesticide SDHi et profilés en multiome single-nucleus longitudinal (snRNA-seq + snATAC-seq conjoints, 10x Genomics) à plusieurs temps. L’objectif est de comprendre comment cette exposition remodèle les trajectoires cellulaires et les réseaux de régulation, et comment elle interagit avec l’acquisition d’un driver oncogénique.

Assignment

La personne recrutée rejoindra l’équipe COMPO, qui développe des modèles génératifs mécanistes et interprétables pour l’analyse de données biologiques dynamiques, avec une expertise particulière dans l’inférence de réseaux de régulation génique (GRN) et de trajectoires à partir d’instantanés temporels de données single-cell. Elle jouera un rôle central dans le développement d’une méthode d’analyse de time-courses de données multiome acquises sous différentes conditions (niveaux d’exposition au pesticide, présence ou absence de mutations oncogéniques, différentes lignées cellulaires).

Main activities

Principales activés :
Analyser les données multiome du consortium
: contrôle qualité, intégration entre temps et conditions, et comparaison avec des outils établis (SCENIC+, analyses différentielles le long du pseudotemps…).
Étendre CardamomOT
, notre package Python combinant un modèle mécaniste d’expression génique stochastique et le transport optimal, pour inférer conjointement GRN et trajectoires cellulaires à partir de données temporelles snRNA-seq + snATAC-seq (par exemple en utilisant l’accessibilité de la chromatine pour construire des a priori régulateurs et contraindre l’appariement des cellules entre temps).
Construire un atlas de trajectoires à travers lignées et conditions, et développer des approches comparatives pour identifier des signatures et modules régulateurs communs à l’ensemble des lignées (signatures pan-lignées) par opposition aux réponses spécifiques d’une lignée.
Activités complémentaires :
Travailler en étroite coordination avec les équipes expérimentales et bioinformatiques du consortium (notamment à Lyon et Paris) qui produisent les données, et participer aux réunions du consortium.
Valoriser les résultats
: rédaction d’articles scientifiques, présentations en conférence et diffusion d’un code open source documenté.

Skills

Expérience de l’analyse de données multiome single-cell
(snRNA-seq + snATAC-seq conjoints, par exemple 10x Genomics Multiome) : prétraitement, intégration des deux modalités et analyse de l’accessibilité de la chromatine.
Idéalement, expérience des approches d’inférence de trajectoires et d’analyse temporelle ou pseudotemporelle (pseudotemps, vélocité ARN, transport optimal, modèles dynamiques…), et/ou d’inférence de réseaux de régulation génique (SCENIC+ ou équivalent).
Une expérience en bioinformatique dans le champ des cancers pédiatriques est souhaitée.
Bonne maîtrise de R et Python ; l’environnement de développement du projet sera de préférence Python. De bonnes pratiques de développement (gestion de versions, pipelines reproductibles) sont appréciées.

This listing was collected from a public source and is reproduced here for information only. Always confirm the details on the original posting before applying.
View the original posting

Similar positions