Le Laboratoire de radiobiologie des expositions médicales (LRMed) a pour objectif d’acquérir de nouvelles connaissances sur les mécanismes biologiques des lésions aux tissus sains résultant d’expositions aux rayonnements ionisants, à des fins thérapeutiques (e.g radiothérapie) pour mieux prédire les risques de complications, mieux les comprendre, les prévenir et les traiter.

La toxicité digestive radio-induite est une préoccupation clinique des patients traités du cancer par radiothérapie pour des tumeurs de la zone abdomino-pelvienne. Le système digestif est composé d'un ensemble de populations cellulaires différentes, chacune de ces populations est hétérogène et présente des degrés de plasticité et des états de différenciation très variables. Notre objectif est de comprendre l'ensemble des événements cellulaires et des réseaux de communication qui contribuent à la pathogenèse des lésions digestives radio-induites. Pour cela nous cherchons à caractériser dans des modèles précliniques adaptés, mais aussi chez l’homme, les interactions cellules/cellules afin d’identifier des cibles prometteuses pour prédire, prévenir ou traiter les toxicités digestives à la suite d’une radiothérapie. Ce projet bénéficie d’un financement INCA dans le cadre de l’AAP projet INCA seq2022 et est fait en collaboration le Dr Michele MONDINI à Gustave Roussy. L’objectif du postdoctorant(te) sera de réalisé les analyses bio-informatique de données « single cell » RNAseq et de transcriptomique spatiale générées dans ce projet en utilisant des outils les plus récents de la biologie computationnelle pour cartographier les communications intercellulaires entre les cellules endothéliales et les cellules immunitaires qui pourraient contribuer à la toxicité digestive après une irradiation. Analyses scRNAseq : utilisation des packages Seurat, Monocle, Scanpy, et des outils d’enrichissement bioinformatique et d’inférence de réseaux de communication inter-cellulaires CellChat, ICellnet seront utilisés. Analyses transcriptomique spatiale : le candidat devra identifier et mettre en place les méthodes nécessaires aux enjeux liés à la segmentation des images et à l’analyse de colocalisation pour déterminer les hubs et les centroïdes des cellules et ou clusters de cellules. L’idée sera d’entrainer un nouvel algorithme de segmentation spécifiquement adapté aux besoins du projet (modèle deep learning cellPose). Enfin L'algorithme COMMOT (COMMunication analysis by Optimal Transport) pourra être aussi être utilisé pour déduire les données de communication cellules/cellules en tenant compte des distances spatiales entre les cellules.

Doctorat en bio-informatique, biologie computationnelle, biostatistique ou apprentissage automatique. Le (la) candidat a une expérience doctorale en analyse de données génomiques /transcriptomiques et/ou en apprentissage automatique, avec le désir et la capacité d'acquérir une expertise en analyse multi-omique dans le domaine de la cancérologie Les compétences appréciées pour ce poste incluent : bonnes bases en biologie, pipelines d'analyse scRNAseq, expériences d'analyse transcriptomique spatiale, modèles intégratifs multi-omiques, classification statistique, analyse de réseaux de gènes et de modules de gènes, analyse d’images. Excellentes capacités de communication, de didactisme et de travail en équipe

La diversité est une des composantes de la politique RSE, RH et Qualité de Vie au Travail à l’IRSN. Nous accordons la même considération à toutes les candidatures, sans discrimination, pour inclure tous les talents.

Quelles que soient les différences, nous souhaitons attirer, intégrer et fidéliser nos candidats et nos collaborateurs au sein d’un environnement de travail inclusif.

L'IRSN conduit une politique active depuis de nombreuses années en faveur de l'égalité des chances au travail et l'emploi des personnes handicapées. Si vous êtes en situation de handicap, n'hésitez pas à nous faire part de vos éventuels besoins spécifiques afin que nous puissions les prendre en compte.