Analyse topologique des structures tridimensionnelles de protéines et réseaux de neurones topol[...]

Université Claude Bernard Lyon 1; France; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

L’Institut Camille Jordan propose une thèse de doctorat sur l’analyse topologique des structures tridimensionnelles de protéines, combinant biologie moléculaire et apprentissage automatique. Le projet vise à développer de nouveaux outils pour identifier des signatures associées à l’adaptation aux hautes pressions. Les résultats théoriques et logiciels seront intégrés dans la bibliothèque DeltaFold.

Prestations

Bourse MITI du CNRS

Qualifications

• Doctorant(e) en mathématiques/statistiques ou biologie.
• Compétences en apprentissage automatique.
• Expériences en biologie évolutive souhaitées.

Responsabilités

• Développer des méthodes en biotopologie moléculaire.
• Implémenter des modèles prédictifs pour l'analyse des protéines.
• Valider les résultats expérimentaux par la modélisation mathématique.

Connaissances

Mathématiques

Apprentissage automatique

Biologie évolutive

Analyse topologique

Formation

Master en Mathématiques, Biologie ou domaine connexe

Outils

Python

Description du poste

Social network you want to login/join with:

col-narrow-left

Client:

Location:

France

Job Category:

Other

-

EU work permit required:

Yes

col-narrow-right

Job Reference:

74977893e839

Job Views:

3

Posted:

30.06.2025

Expiry Date:

14.08.2025

col-wide

Job Description:

Topic description

L’Institut Camille Jordan propose une thèse de doctorat à temps plein sur le thème « Analyse topologique des structures tridimensionnelles de protéines et réseaux de neurones topologiques pour l’étude des traits d’histoire de vie des organismes ».

Cette thèse s’inscrit dans le cadre du projet DeltaFold, qui vise à développer de nouveaux outils mathématiques, algorithmiques et logiciels combinant topologie, apprentissage automatique et biologie moléculaire, afin d’identifier les signatures structurales des protéines associées aux traits d’histoire de vie.

L'objectif de la thèse est de développer des méthodes à l’interface de la biotopologie moléculaire et de l’apprentissage automatique, afin d’identifier les déterminants moléculaires et structurels de la piézo-résistance.

La biotopologie moléculaire consiste à étudier les macromolécules biologiques, essentiellement les protéines, et leurs propriétés fonctionnelles à l’aide de techniques issues de l’analyse topologique des données (TDA) et de la géométrie spectrale.

La thèse vise à développer de nouvelles représentations multi-échelles de ces macromolécules et d’en déterminer les caractéristiques géométriques (marqueurs de courbure) et spectrales (marqueurs spectraux). Ces marqueurs, construits à partir de courbures discrètes (Forman-Ricci et Ollivier-Ricci), du Laplacien persistant et de facteurs structurels, génomiques et environnementaux, constituent des représentations vectorielles des macromolécules. Des métriques adaptées seront définies afin d’entraîner des modèles prédictifs sur ces représentations, en combinant apprentissage profond et régression statistique, pour mieux comprendre les mécanismes de la piézo-résistance.

La thèse portera également sur la modélisation de l’évolution de ces marqueurs, en prenant en compte les traits d’histoire de vie des organismes, par des méthodes combinant phylogénie moléculaire et reconstruction de séquences ancestrales. L’objectif est de retracer l’évolution conjointe des structures, des séquences protéiques et des marqueurs topologiques le long des arbres phylogénétiques afin de tester les modèles proposés.

Les méthodes développées dans le cadre de la thèse seront implémentées dans la bibliothèque DeltaFold, développée en Python par une équipe interdisciplinaire de l’ICJ et du LBBE. Cette bibliothèque constitue un environnement de développement pour la programmation de modèles prédictifs en biologie évolutive, fondés sur des vectorisations des structures tridimensionnelles de protéines, via l’homologie persistante.

Les modèles prédictifs piézométriques seront validés par comparaison avec des résultats expérimentaux produits au sein du laboratoire MAP. Ces validations s’appuieront sur deux modèles procaryotes : les Thermococcales (81 espèces, chacune correspondant à environ 2 protéines, soit un jeu de données d’environ protéines) et les Alteromonadales (> 1 espèces, chacune correspondant à environ 6 protéines) pour lesquels il conviendra de sélectionner un sous-ensemble réaliste centré sur les genres présentant des organismes piézophiles, Shewanella et Colwellia.

Cette thèse combine ainsi modélisation mathématique, biologie évolutive et apprentissage automatique pour explorer les mécanismes de l’adaptation aux hautes pressions.

Les résultats attendus incluent :

Le développement de modèles d’apprentissage pour prédire les traits d’histoire de vie à partir de la structure des protéines ;

L’identification de signatures moléculaires associées à la piézo-résistance ;

L’intégration des avancées théoriques et logicielles dans l’environnement DeltaFold.

Starting date

-10-01

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Bourse MITI du CNRS