Ingénieur·e en modélisation et analyse de données pour la biologie des ARN (H/F)

Ecole supérieure de physique et de chimie industrielles de la Ville de Paris
Paris, France
5 days ago
Apply on choisirleservicepublic.gouv.fr
Prepare application

Role details

Contract type
Temporary contract
Employment type
Full-time (> 32 hours)
Working hours
Regular working hours
Languages
English

Tech stack

Data Analysis Bioinformatics Computational Biology Data Visualization Python (Programming Language) Scientific Computating

Job description

Collecte, organisation, contrôle qualité et documentation de données de séquences et de mesures expérimentales sur les virus influenza A

  • Développement en Python de scripts reproductibles pour le prétraitement, l’exploration et la visualisation des données

  • Mise en œuvre et comparaison de premières approches statistiques et d’apprentissage automatique pour l’étude des interactions ARN-ARN et du réassortiment viral

  • Intégration de contraintes physiques liées à la structure et à l’énergie d’interaction des ARN dans les analyses

  • Préparation des jeux de données, de la documentation et des résultats nécessaires à la poursuite du projet, L’ESPCI Paris - PSL (École Supérieure de Physique et de Chimie Industrielles de la Ville de Paris) est une école d’ingénieurs généraliste qui forme, depuis 1882, des ingénieurs de rupture, adaptables et créatifs, dotés d’un solide bagage théorique et expérimental, conscients des enjeux de la société.

Elle est intégrée à un centre de recherche reconnu internationalement en physique, chimie et biologie (500 publications par an). Elle est connue pour sa capacité à transformer les connaissances issues de la recherche fondamentale en innovations de rupture (2 brevets par mois, 3 start-ups par an).

Distinguée par 6 Prix Nobel, elle accueille 400 élèves-ingénieurs, 530 chercheurs (dont 250 doctorants et 100 post-doctorants) dans 10 unités mixtes de recherche et environ 100 agents des fonctions support de la recherche et de l’enseignement.

Depuis sa création, l’ESPCI n’a cessé de mobiliser ses forces et compétences au service de sujets sociétaux majeurs et de défendre l’importance de la science au service de la société. L’environnement, la solidarité, la santé, l’accès et l’ouverture au savoir sont des enjeux que l’ESPCI s’est engagée à prendre en compte dans son quotidien tout en contribuant à les faire avancer. L’ESPCI défend l’égalité des chances et promeut la diversité sociale. Elle encourage et valorise l’engagement, notamment associatif, de ses étudiants.

Descriptif du service

Le poste est à pourvoir au sein de l’équipe de Biophysique et Évolution. Les activités seront réalisées à l’ESPCI Paris - PSL, au Laboratoire de Biochimie (UMR CBI 8231).

L’ingénieur·e sera placé·e sous la responsabilité scientifique du Pr Philippe NGHE, directeur du laboratoire Biophysique et Évolution. Les recherches de l’équipe portent sur les mécanismes d’évolution, la modélisation des systèmes biologiques, les technologies de criblage à haut débit et l’analyse quantitative.

Le projet de recherche vise à mieux comprendre et prédire les interactions entre segments d’ARN qui contraignent le réassortiment des virus influenza A. Il associe données de séquences virales, mesures à haut débit au niveau du virion unique, biologie structurale des ARN et modélisation statistique et physique. Le travail s’inscrit dans une collaboration nationale réunissant des équipes expérimentales et computationnelles.

Au quotidien, vous travaillerez avec les membres de l’équipe et contribuerez à la mise en place des analyses préparatoires à la modélisation des interactions ARN-ARN et de la compatibilité des génomes viraux.

Requirements

Connaissances et qualités recherchées :

  • Bonnes connaissances en programmation scientifique, notamment en Python, et en analyse de données.

  • Connaissances en statistiques, apprentissage automatique, bioinformatique ou biophysique. Un intérêt pour la biologie des ARN et l’évolution virale est attendu.

  • Anglais scientifique courant ; les interactions au sein du consortium ont lieu en français et en anglais.

Formation requise (ou diplôme) :

Master 2 ou diplôme d’ingénieur en physique, mathématiques appliquées, bioinformatique, biologie computationnelle, informatique scientifique ou domaine connexe.

Expérience souhaitée :

  • Une expérience de projet ou de stage en analyse de données biologiques ou en apprentissage automatique est souhaitée.

  • Une expérience des données de séquences, des modèles probabilistes ou des méthodes génératives serait appréciée.

  • Rigueur, autonomie, capacité à documenter le code et aptitude au travail interdisciplinaire.

Benefits & conditions

Localisation

Localisation : Paris, France, Modalités de Recrutement Catégorie : Agent non titulaire de la fonction publiques territoriale Filière : Technique Corps : Ingénieurs et architectes des administrations parisiennes Le poste est à pourvoir : · par voie contractuelle pour une durée de 2 mois. Les candidatures de personnes disposant de la RQTH sont encouragées. Poste à pourvoir à compter du : 1er novembre 2026

About the company

  • Flèche gauche : déplacer la carte vers la gauche
  • Flèche droite : déplacer la carte vers la droite
  • Flèche bas : déplacer la carte vers le bas
  • Flèche haut : déplacer la carte vers le haut

Apply for this position

This job is hosted externally. Click below to view the full posting and apply.

Apply on choisirleservicepublic.gouv.fr
Prepare application

Good distractions

Talks and stories from around this role — technically off-topic, practically not.

2:46 min

Visualizing statistical patterns mathematically using the ggplot package

Mihailo Joksimovic · World Congress 2022

1:48 min

Automating exploratory data analysis within training pipelines

Dora Petrella · World Congress 2023

3:30 min

Approaching data problems with an engineering and strategy mindset

Becky Gandillon · LIVE

2:27 min

Building command line data visualization tools to parse raw formatting

Daniel Cranney +1 · LIVE

1:36 min

Performing exploratory data analysis to uncover underlying patterns

Julian Joseph · LIVE

2:57 min

Building interdisciplinarity for viable biophysics machine learning

Noah Weber · LIVE

Videos

See all

Related articles

See all