Offre de thèse sur l’intégration de données multi-omiques appariées à grande échelle

Vous exercerez votre activité au sein de l’unité GABI (https://gabi.jouy.hub.inrae.fr/ ) du centre INRAE de Jouy-en-Josas  et  de l’unité MIAT (https://miat.inrae.fr/ ) du centre INRAE Occitanie Toulouse afin de réaliser des travaux de recherche en vue d’obtenir une thèse de doctorat en biostatistique, sous la supervision de Andrea Rau (https://andrea-rau.com/ ), co-dirigée par Nathalie Vialaneix (https://www.nathalievialaneix.eu/ ).

Votre mission consistera à mettre au point de méthodes statistiques d’intégration de données appariées génomiques et transcriptomiques pour identifier les relations entre marques génétiques d’intérêt et signaux transcriptomiques, spécifiques ou partagés entre plusieurs sous-populations (e.g., les races chez des animaux domestiques ou les écotypes chez les végétaux). D’un point de vue méthodologique, il sera nécessaire, pour utiliser au mieux l’ensemble des données disponibles, de traiter cette question globalement car réaliser des études d’association indépendantes dans chacune des sous-populations conduirait à un manque de puissance dans les résultats obtenus. C’est un modèle global de ce type, adapté au cadre de données structurées en sous-populations et permettant un passage à l’échelle du transcriptome entier, que cette thèse ambitionne de développer. Pour motiver vos développements méthodologiques, vous vous appuierez sur des données génomiques et transcriptomiques issues de trois races porcines qui ont été générées et précédemment analysées dans nos équipes. Ce projet de thèse s’inscrit dans le cadre du projet cible AgroDiv du PEPR Agroécologie et Numérique qui ambitionne une caractérisation fine de la variabilité génétique sur la base d’une collection étendue d’espèces botaniques et animales qui pourraient présenter un intérêt pour l’agriculture, particulièrement dans un contexte de mutation environnementale forte et de changement climatique.

Vous serez plus particulièrement en charge de :

Réaliser une bibliographie rendant compte de l’état de l’art du domaine.
Construire un plan de simulation réaliste adapté aux données génomiques-transcriptomiques multi-populationnelles.
Contribuer à la définition d’une méthode originale permettant l’identification des associations entre variants génétiques et l’expression de gènes à partir de données génomiques-transcriptomiques multi-populationnelles.
Implémenter et tester votre méthode.
Valoriser vos résultats dans des communications écrites et orales (articles dans des journaux internationaux, congrès), rédiger le manuscrit et soutenir la thèse.
Toutes ces tâches se feront en étroite collaboration avec vos encadrantes de thèse et autres collègues des équipes impliquées dans le projet.

Dans le cadre de la co-direction, des séjours au sein de l'unité MIAT, INRAe Occitanie Toulouse seront prévus dès qu’ils seront nécessaires.

Formations et compétences recherchées
Master/Ingénieur (Bac+5)
Formation recommandée : Parcours en mathématiques appliquées ou (bio)statistique, avec un Master ou équivalent en statistique appliquée, (bio)statistique, ou (bio)mathématiques.

Connaissances souhaitées : Statistique (modèles linéaires), analyse de données, programmation (R et/ou Python).

Expérience appréciée : De l’expérience en analyse de données génomiques et/ou transcriptomique est souhaitable mais pas obligatoire.

Aptitudes recherchées : Intérêt pour la recherche scientifique, capacité de communication en anglais (orale et écrite), rigueur, curiosité. Un goût pour les applications, en particulier en génomique, est absolument indispensable.