Stage M1/M2 : Développement de méthodes d’apprentissage ≪ Label Probability Learning ≫ pour décoder l'épitranscriptome

INRAE; Castanet-Tolosan; Sur place; EUR 5 500 - 8 300; Plein temps

Résumé du poste

INRAE, unité MIAT à Toulouse, offre un stage en mathématiques et informatique appliquées pour développer des méthodes d’apprentissage sur des données issues du séquençage Nanopore. Le sujet porte sur l’estimation de probabilités d’étiquettes et l’analyse de sacs disjoints, avec une perspective de thèse possible en statistique et ML.

Le candidat devra démontrer une solide formation en statistiques, programmation, et english technique, et être motivé par des applications en biologie et

Qualifications

• Master 1 ou 4ème/5ème année en ingénierie statistique et/ou ML.
• Bonne compréhension du formalisme mathématique.
• Aisance en programmation, des bases dans l’utilisation de PyTorch seraient un plus.
• Bonne maîtrise de l’anglais.
• Intérêt pour les approches d’IA et de deep learning.

Responsabilités

• Réaliser une synthèse de la bibliographie du domaine.
• Implémenter et tester une ou deux stratégies d’apprentissage.
• Tester ces méthodes sur les données DEMETER (séquençage Nanopore) et évaluer les modifications d’ARN.

Connaissances

Mathématiques

Programmation

PyTorch

Anglais technique

Formation

Master 1 ou 4ème/5ème année en école d'ingénieur en statistique et/ou machine learning

Outils

PyTorch

Description du poste

L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche rassemblant une communauté de travail de 12 000 personnes, avec 272 unités de recherche, de service et expérimentales , implantées dans 18 centres sur toute la France.INRAE se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal. Ses recherches visent à construire 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

Vous serez accueilli(e) au sein de l’unité MIAT (Mathématique et Informatique Appliqués de Toulouse - 24, Chemin de Borde Rouge 31320 Auzeville-Tolosane) dont les recherches visent à développer de nouvelles méthodes mathématiques, algorithmiques ou informatiques pour améliorer la compréhension des grands mécanismes biologiques ou agronomiques en collaborant avec les équipes de recherche en biologie.

Vous serez encadré par Nathalie Vialaneix (INRAE, MIAT, Toulouse) http://www.nathalievialaneix.eu , Christine Gaspin (INRAE, MIAT, Toulouse), Malvina Marku (INRAE, MIAT, Toulouse) et Benjamin Charlier (INRAE, MIAT, Toulouse).

Problématique du stage :

(merci de vous référer au pdf joint).

On s'intéresse aux problèmes d'apprentissage de type « apprentissage de probabilités d'étiquettes » (Label Probability Learning 2). Dans ce type de problèmes, on cherche à entraîner un prédicteur, Φ, permettant de prédire une variable aléatoire Y (binaire, ∈ {0,1}) à partir d'une variable aléatoire X(∈ Rd ) mais, contrairement au cadre classique, on ne dispose pas d'un échantillon d’apprentissage (x i ,y i ) i =1 ,... ,n mais d’un ensemble de≪ sacs≫ disjoints, (S j ) j =1 ,... ,p pour lesquels on dispose de :

• la mesure de X pour chacun des éléments du sac : (x i ) i∈Sj ;
• la mesure de la moyenne de Y pour le sac : m j = Σ i∈Sj y i , la valeur de y i elle-même restant inconnue.

Un cadre un peu plus complexe décrit dans dans[ 3 , 5 , 1 ] considère que la mesure m j est partiellement inconnue (mesurée de manière bruitée), par exemple par contamination mutuelle des échantillons positifs (y i = 1) et des échantillons négatifs (y i =0),commedans[ 3 ].

L'objectif de ce stage sera d'étudier et/ou implémenter et tester ce cadre d'apprentissage pour l'analyse de données biologiques complexes se présentant sous la forme d'une mesure d'un courant ionique (données de séquençage direct de l'ARN par technologie Nanopore).

Travail à effectuer

Selon l'appétence de l'étudiant-e recruté-e, le stage pourra consister à réaliser :

• une synthèse de la bibliographie de ce domaine ;
• une implémentation d'une ou deux stratégies d'apprentissage ;

le test de celle(s)-ci sur des données issues du projet DEMETER (données de séquençage direct de l'ARN par technologie Nanopore). L'objectif de ces tests est d'étudier les modifications de l'ARN et leur implication dans les processus de résistance au stress hydrique chez le tournesol.

En savoir plus : focus sur l'épitranscriptomique...

Plus de 170 modifications chimiques sont actuellement répertoriées dans les ARN, qui ont un impact sur le fonctionnement des organismes vivants, notamment pour une adaptation rapide aux stress de l'environnement [ 4 ]. Le séquençage d'ARN « direct » par la technologie Nanopore constitue une approche prometteuse pour identifier ces modifications. L'approche produit, en effet, des données sous la forme d'un courant ionique influencé par les différents types de modifications.

Toutefois, le problème d'apprentissage est très particulier car, la technique de séquençage étant destructive de la molécule d'ARN, il n'existe pas de bases d'apprentissage d'ARN natifs (« naturels ») mais des techniques expérimentales orthogonales permettent d'obtenir une estimation de la probabilité de modification pour chaque position (ou site) des ARN.

Le sujet de stage pourrait donner lieu à une poursuite en thèse en statistique / machine learning (financement en cours d'obtention et/ou soutien pour préparer le concours de l'ED MITT).

Références

Formations et compétences recherchées

Profil recherché :

• Master1ou4ème/5èmeannéed'écoled’ingénieurenstatistiqueet/oumachinelearning;
• bonnecompréhensionduformalismemathématique;
• aisanceenprogrammation;desbasesdansl’utilisationdepytorchseraientunplus;
• bonne maîtrisede l’anglais;
• unintérêtpourlesapprochesd’IAetdedeeplearning;
• lesconnaissancesenbiologienesontpasnécessairesmaisunintérêtpourcedomained’applicationestnécessaire.

Votre qualité de vie à INRAE

En rejoignant INRAE, vous bénéficiez(selon le type de contrat et sa durée) :

Les personnes accueillies à INRAE, établissement public de recherche, sont soumises aux dispositions du Code de la fonction publiquenotamment en ce qui concerne l’obligation de neutralité et le respect du principe de laïcité. A ce titre, dans l’exercice de leurs fonctions, qu’elles soient ou non au contact du public, elles ne doivent pas manifester leurs convictions, par leur comportement ou leur tenue, qu’elles soient religieuses, philosophiques ou politiques.> En savoir plus : site fonction publique.gouv.fr

• Rémunération :Selon taux en vigeur : 4,5€/h