Chercheur (post-doctoral) en développement de nouveaux algorithmes pour la biophysique computationnelle (f/h)

Les progrès récents en matière de prédiction de la structure des protéines ont démontré que les modèles protéiques peuvent désormais atteindre des niveaux de précision quasi expérimentaux sans précédent. Dans ce contexte, la modélisation des interactions protéiques et de leur variabilité dans les cellules vivantes est devenue plus cruciale que jamais.

Vous développerez des versions parallélisées et à échange de répliques des méthodes de Monte Carlo (MC) et de dynamique brownienne (BD) afin de traiter l'encombrement protéique, en utilisant le langage de programmation C++ et des bibliothèques multithread.

L'objectif est d'améliorer l'efficacité de calcul grâce à des processus multithread. En introduisant plusieurs répliques s'exécutant en parallèle à différentes températures, nous pouvons paralléliser efficacement les algorithmes MC et BD. De plus, le code BD sera optimisé en partitionnant la boîte de simulation en cellules plus petites, permettant ainsi le calcul des forces et des énergies au sein de chaque cellule à l'aide de plusieurs processus.

Nous comparerons également les résultats de la simulation avec des mesures de diffusion aux petits angles (SAXS) [6] et les seconds coefficients du viriel [4-5]. Le/la candidat(e) développera une méthode efficace pour calculer ces coefficients., [1] Jumper, John, et al. "Highly accurate protein structure prediction with AlphaFold." Nature 596.7873 (2021): 583-589.

[2] Baek, Minkyung, et al. "Accurate prediction of protein structures and interactions using a three-track neural network." Science 373.6557 (2021): 871-876., [6] Grudinin S. et al. Pepsi-SAXS: an adaptive method for rapid and accurate computation of small-angle X-ray scattering profiles. https://journals.iucr.org/paper?S2059798317005745

Activités principales

• Développement de nouveaux algorithmes pour la biologie structurale intégrative
• Développement d'outils logiciels utilisés dans la communauté
• Collaboration avec des collègues expérimentaux sur leurs données
• Rédaction de rapports techniques et de manuscrits
• Présentation du travail réalisé lors de conférences et d'ateliers
• Préparation de tutoriels et enseignement aux utilisateurs

Nous recherchons des personnes créatives, passionnées et travailleuses, issues d'une formation en mathématiques appliquées et en informatique, possédant un talent exceptionnel pour l'informatique et les mathématiques et un intérêt pour la physique computationnelle et la biologie.

D'excellentes compétences en communication orale, écrite et interpersonnelle sont essentielles (la langue de travail sera l'anglais, la connaissance du français est un plus). Une excellente connaissance de la physique computationnelle et du C++ est requise.

Des connaissances en programmation parallèle/traitement du signal/apprentissage automatique/biologie structurale seront un atout.

Expérience professionnelle souhaitée : de 2 à 5 ans

Formation, diplôme, expérience souhaitée : Doctorat en physique computationnelle, en mathématiques computationnelles ou en informatique

Rémunération A partir de 2900€ mensuel brut et en fonction de l'expérience.

Présentation de la structure Rejoindre l'Université Grenoble Alpes, c'est donner du sens à son engagement professionnel. À l'UGA, chaque métier contribue à une mission essentielle : produire et transmettre des savoirs au service de la société. Située au cœur des Alpes, dans un environnement scientifique et naturel exceptionnel, l'Université Grenoble Alpes est l'une des principales universités de recherche en Europe, reconnue pour l'excellence de ses formations et de ses travaux scientifiques. Institution publique engagée, attentive à l'impact social et environnemental de ses actions, l'UGA offre un cadre de travail stimulant où chacun peut s'épanouir et contribuer à un projet collectif porteur de sens. Le Laboratoire Jean Kuntzmann (LJK) est une unité mixte de recherche du CNRS, de l'Université Grenoble Alpes (UGA), de l'Institut Grenoble Institut d'Ingénierie (INP) et de l'Institut National de Recherche en Sciences et Technologies du Numérique (Inria). Le LJK axe ses recherches sur l'informatique et les mathématiques appliquées. Vous serez intégré au groupe GruLab https://grulab.imag.fr appartenant au département Data du LJK CNRS https://www-ljk.imag.fr/spip.php?article23 et à l'équipe d'optimisation DAO https://dao-ljk.imag.fr/.