STAGE M2 modélisation de l’adaptation végétale H/F

EDYSAN UMR7058 CNRS-UPJV; Hauts-de-France; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un laboratoire de recherche en biologie situé en Hauts-de-France recherche un(e) stagiaire pour participer à une étude de modélisation évolutive des plantes. Le stage de 6 mois débutera en janvier 2026. Les candidat(e)s doivent avoir un Master 2 avec des compétences en modélisation évolutive, programmation R et Python. Les tâches comprennent la standardisation des classifications d’espèces et la modélisation des taux de transition évolutifs.

Qualifications

• Excellente maîtrise en modélisation évolutive ou écologique, bioinformatique ou domaine proche.
• Connaissances de base en programmation R et Python appréciées.
• Capacité de travail autonome en programmation nécessaire.

Responsabilités

• Participer à une étude de modélisation en biologie évolutive.
• Standardiser les classifications de tolérance à la sécheresse.
• Modéliser les taux de transition évolutifs et créer un indice d'histoire adaptative.

Connaissances

Modélisation évolutive ou écologique

Bioinformatique

Programmation R

Programmation Python

SLURM

Utilisation de phytools, corHMM et spdep

Formation

Master 2

Description du poste

Contexte du recrutement et définition de poste :

La vitesse d'adaptation des lignées de plantes à la sécheresse constitue un moteur majeur de l'évolution végétale et de la résilience des écosystèmes face au changement climatique. Ce n'est que récemment que nous avons commencé à comprendre quels facteurs influencent la vitesse de l'adaptation des plantes à la sécheresse (Cosme 2023, Communications Biology 6(1) : 346). Parmi ces facteurs, les stratégies mycorhiziennes jouent un rôle important. Toutefois, les mycorhizes à elles seules ne suffisent pas à expliquer ces différences. De plus, nous ne savons pas encore où se situent géographiquement les espèces végétales actuelles issues de lignées présentant des vitesses d'adaptation contrastées, ni dans quelle mesure ces distributions coïncident avec les projections futures de sécheresse sous changement climatique.

Ce stage vise à aider à identifier les co-occurrences géographiques entre les lignées végétales à adaptation rapide et les zones soumises à une intensification future des stress hydriques, afin d'évaluer le potentiel adaptatif global des écosystèmes végétaux. Le

• la stagiaire participera à une étude de modélisation en biologie évolutive des plantes, reposant sur l'analyse de grandes bases de données. Ses principales missions comprendront :
• la standardisation des classifications de tolérance à la sécheresse pour plusieurs milliers d’espèces végétales issues de bases de données hétérogènes ;
• la modélisation des taux de transition évolutifs afin de créer un indice d’histoire adaptative des lignées ;
• et la modélisation de la co-occurrence spatiale entre les espèces, leurs indices d’adaptation et les projections de sécheresse actuelles et futures.

Ce stage s'inscrit dans la continuité du travail de Cosme (2023). L'objectif est d'étendre cette approche en intégrant les données d'adaptation évolutive et les projections climatiques, afin d'identifier les régions où les communautés végétales présentent, ou non, un fort potentiel d'adaptation évolutive face aux changements climatiques futurs.

Durée : 6 mois

début : janvier 2026

encadrant : Marco COSME, professeur junior

Dossier de candidature : les candidat

es sont invité

es à envoyer un CV, une lettre de motivation, le relevé de notes du Master, et, si possible, une lettre de recommandation de l'encadrant du stage de Master 1 ou d'autres encadrants précédents.

Profil recherché : On recherche un

e étudiant

e de Master 2 avec un excellent dossier en modélisation évolutive ou écologique, en bioinformatique, ou dans une discipline proche.

Des connaissances de base en programmation R, Python, SLURM, ainsi qu'en utilisation des packages phytools, corHMM et spdep seront appréciées.

Le

la candidat

e devra faire preuve de rigueur scientifique, d'autonomie en programmation, d'une bonne capacité de synthèse et d'un esprit de travail en équipe.