Contrat Doctoral (H/F)

Les protéines intrinsèquement désordonnées constituent une classe importante de biomolécules impliquées dans de nombreux processus biologiques. Contrairement aux protéines classiques, elles ne possèdent pas une structure unique mais adoptent un grand nombre de conformations différentes. Cette flexibilité est essentielle à leur fonction mais rend leur étude particulièrement difficile.

L'objectif de cette thèse est de développer de nouvelles méthodes d'intelligence artificielle capables de prédire directement les ensembles de conformations adoptées par ces protéines à partir de leur séquence. Le projet s'appuiera sur les avancées récentes en apprentissage profond, notamment les modèles génératifs de type flow matching et les modèles de langage pour protéines.

Les travaux viseront à concevoir des modèles permettant une génération rapide et réaliste de conformations protéiques, tout en intégrant des connaissances issues de la physique statistique et de la biologie structurale. Les méthodes développées seront évaluées à l'aide de données de simulation et de mesures expérimentales obtenues en collaboration avec des biologistes.

Cette thèse se situe à l'interface entre intelligence artificielle, apprentissage automatique, physique computationnelle et biologie moléculaire, et contribuera au développement de nouvelles approches pour l'étude et la conception de protéines flexibles.

• Master 2 ou diplôme d'ingénieur avec spécialisation en informatique, intelligence artificielle, mathématiques appliquées, physique computationnelle ou domaine connexe ;
• Solides connaissances en apprentissage automatique, probabilités et statistiques ;
• Maîtrise de la programmation scientifique en Python et des bibliothèques d'apprentissage profond (PyTorch ou équivalent) ;
• Intérêt pour les modèles génératifs et les méthodes d'IA modernes ;
• Goût pour la recherche interdisciplinaire à l'interface entre intelligence artificielle, physique statistique et biologie ;
• Bon niveau d'anglais scientifique ;
• Autonomie, curiosité, rigueur et aptitude au travail collaboratif.

Votre Environnement de Travail

La thèse sera réalisée au sein de l'équipe RIS du LAAS-CNRS à Toulouse, sous la direction de chercheurs spécialisés en intelligence artificielle, modélisation mathématique et biologie computationnelle. Le projet s'inscrit dans un environnement interdisciplinaire associant apprentissage automatique, physique statistique et biologie structurale. Le doctorant ou la doctorante collaborera également avec des partenaires académiques spécialisés en modélisation probabiliste et en biophysique expérimentale, notamment dans le cadre d'échanges avec des équipes de recherche à Paris et Montpellier. Les travaux bénéficieront d'un accès aux ressources de calcul scientifique du laboratoire et du CNRS.

Contraintes et risques

Travail principalement réalisé sur ordinateur dans un environnement de bureau et de recherche. Aucun risque particulier identifié., Sciences informatiques : signaux, images, langues, automatique, robotique, interactions, systèmes intégrés matériel-logiciel

La rémunération est d'un minimum de 2300,00 € mensuel

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu'à 300€

Laboratoire d'analyse et d'architecture des systèmes, Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d'associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.