Ingénieur·e biologiste en traitement de données (bioinformaticien·ne) transcriptomique spatiale - H/F

Inserm France; Marseille; Hybride; EUR 52 000 - 70 000; Plein temps

Avantages offerts par ce poste

Mutuelle

Remboursement frais de transport

Restauration collective

Résumé du poste

Inserm recherche un ingénieur·e biologiste en traitement de données pour analyser la transcriptomique spatiale. Vous travaillerez sur des données Xenium et collaborerez avec les équipes du site de Marseille, en France.

Le candidat idéal maîtrise R et Python, et possède une expérience en analyses single-cell et en pipelines bioinformatiques. Poste en CDI à temps plein, avec implication dans des publications et l’équipe pluridisciplinaire.

Qualifications

• Maîtrise des outils R et Python et des suites Bioconductor pour l’analyse omique.
• Expérience avec les données transcriptomiques spatiales et analyses single-cell.
• Connaissance des environnements Unix/Linux et du contrôle de versions Git.

Responsabilités

• Concevoir et optimiser des panels Xenium personnalisés pour l atlas cellulaire.
• Traiter et analyser des données Xenium et réaliser des contrôles qualité.
• Identifier types/cell states et analyser les interactions tissulaires.
• Rédiger rapports et contribuer à publications scientifiques.

Connaissances

R

Python

Seurat/Scanpy

Bioconductor

Unix/Linux

Git

Formation

Master's degree

Outils

Xenium

PASTIS pipeline

Seurat

Scanpy

Description du poste

Ingénieur·e biologiste en traitement de données (bioinformaticien·ne) transcriptomique spatiale - H/F

Marseille 9e

L’Inserm est le seul organisme public français entièrement dédié à la recherche biologique, médicale et en santé des populations. Il dispose de laboratoires de recherche sur l’ensemble du territoire, regroupés en 12 Délégations Régionales. Notre institut réunit 15 000 chercheurs, ingénieurs, techniciens et personnels administratifs, avec un objectif commun : améliorer la santé de tous par le progrès des connaissances sur le vivant et sur les maladies, l’innovation dans les traitements et la recherche en santé publique.

Rejoindre l’Inserm, c’est intégrer un institut engagé pour la parité et l’égalité professionnelle, la diversité et l’accompagnement de ses agents en situation de handicap, dès le recrutement et tout au long de la carrière. Afin de préserver le bien‑être au travail, l’Inserm mène une politique active en matière de conditions de travail, reposant notamment sur un juste équilibre entre vie personnelle et vie professionnelle.

L'Inserm a reçu en 2016 le label européen HR Excellence in Research et s'est engagé à faire évoluer ses pratiques de recrutement et d'évaluation des chercheurs.

Au sein de l’équipe « Immunologie intégrative des lymphocytes B » (P. Milpied), la personne recrutée sera chargée de l’analyse bioinformatique des données de transcriptomique spatiale à résolution cellulaire (10x Genomics Xenium) générées dans le cadre du projet DEMPAL, financé par la Fondation pour la Recherche Médicale (appel Maladies Chroniques Inflammatoires) en collaboration avec l’équipe d’A. Renand (CR2TI, Nantes). Le projet vise à caractériser les voies moléculaires et les interactions cellulaires qui contrôlent la réponse lymphocytaire T CD4 dirigée contre des antigènes hépatiques et la formation de structures lymphoïdes tertiaires dans un modèle murin préclinique.

Activités

• Concevoir et optimiser des panels de gènes Xenium personnalisés (~480 gènes) pour l’atlas cellulaire du foie murin inflammatoire, à partir de références scRNA‑seq et spatiales et des données humaines du projet ANR PLAIR
• Traiter les données Xenium : contrôle qualité, segmentation cellulaire optimisée (pipeline PASTIS), normalisation et intégration multi‑échantillons (biopsies de foie murin en tissue micro‑arrays)
• Identifier les types et états cellulaires (clustering non supervisé, annotation par référence) et caractériser les voisinages tissulaires (structures lymphoïdes tertiaires, lésions inflammatoires)
• Analyser l’activité des voies moléculaires (scores de modules géniques), l’expression différentielle entre conditions expérimentales et inférer la communication cellule‑cellule
• Comparer et intégrer les données murines avec les données de transcriptomique spatiale de biopsies hépatiques de patients (projet ANR PLAIR)
• Produire des rapports d’analyse et des figures, et contribuer à la rédaction des publications

Activités associées

• Développer, maintenir et documenter les pipelines d’analyse de transcriptomique spatiale de l’équipe (versionnage, environnements reproductibles)
• Participer aux réunions de projet avec l’équipe partenaire nantaise et aux réunions d’équipe
• Interagir avec les plateformes de génomique et de bioinformatique du CIML, ainsi qu’avec la communauté bioinformatique régionale en omiques spatiales
• Assurer une veille méthodologique et technologique en omiques spatiales
• Bioinformatique et statistiques appliquées aux données transcriptomiques à haut débit (RNA‑seq, scRNA‑seq, transcriptomique spatiale)
• Méthodes d’analyse de données multidimensionnelles (réduction de dimension, clustering, modélisation statistique)
• Notions d’immunologie et de biologie tissulaire (lymphocytes T et B, organes lymphoïdes, inflammation)
• Anglais scientifique écrit et oral

Savoir-faire

• Maîtrise des langages R et Python et des écosystèmes d’analyse single‑cell et spatiale (Seurat, Bioconductor, Scanpy, Squidpy…)
• Traitement de données d’imagerie transcriptomique (Xenium) et méthodes de segmentation cellulaire
• Environnement Unix/Linux, Shell, calcul sur cluster, gestion de versions (Git) et de workflows
• Rédaction de rapports d’analyse et présentation de résultats à des biologistes
• Rigueur, autonomie et sens de l’organisation
• Goût pour le travail en équipe pluridisciplinaire et aptitude au dialogue avec les biologistes
• Esprit d’initiative et force de proposition méthodologique

Contractuel Catégorie A Fixed-term contract - 24 months Full time Experience required License not required Master degree level

Mutuelle, remboursement frais de transport, restauration collective