Thèse Exploration des Déficiences en Matière de Réparation de l'Adn et de la Sensibilité aux Stratégies d'Inhibition de Parp Atr et Wee1 dans les Cancers Pédiatriques H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Life Sciences and Health École doctorale : Cancérologie : Biologie - Médecine - Santé Laboratoire de recherche : Cancer Data Science Direction de la thèse : Sergey NIKOLAEV ORCID 0000000185872307 Début de la thèse : 2026-09-01 Date limite de candidature : 2026-07-07T23:59:59 Malgré un taux de survie globale de 80 %, le pronostic des cancers pédiatriques récurrents reste sombre. La médecine de précision actuelle se limite souvent à des cibles uniques, alors que la biologie tumorale est complexe. Ce projet s'appuie sur la cohorte AcSé-ESMART (n=260), la plus grande au monde combinant divers agents anticancéreux et profilage moléculaire approfondi, pour dépasser les biomarqueurs gène-par-gène. Despite an 80% overall survival rate, the prognosis for recurrent pediatric cancers remains dismal. Current precision medicine often targets single events, whereas tumor biology is complex. This project utilizes the AcSé-ESMART cohort (n=260), the world's largest dataset combining various anticancer agents with in-depth molecular profiling, to move beyond gene-by-gene biomarkers. - Identify biomarkers of response to treatment regimens within the AcSé-ESMART trial.- Discover resistance mechanisms to standard and experimental therapies.- Perform a cross-treatment analysis of 260 patients to define predictive 'constellations' of molecular markers. - Uniform Analysis: Processing WES and RNAseq data (BWA, GATK, Arriba).- Molecular Characterization: Variant annotation (OncoKb), HRD scoring (FACETS), and mutational signatures (Sigprofiler).- Clinical Integration: Multivariate models correlating markers with the tumor microenvironment and clinical outcomes.

Formation : Titulaire d'un Master 2 en bio-informatique, biologie numérique, biostatistiques ou apprentissage automatique.Expertise technique : Expérience en analyse de données génomiques humaines, notamment sur les variations d'ADN germinales ou somatiques.Compétences analytiques : Maîtrise des outils de traitement de données de séquençage pour identifier les mutations, altérations du nombre de copies et fusions de gènes.Savoir-être : Capacité à travailler de manière autonome tout en s'impliquant activement avec les équipes de bio-informatique de Gustave Roussy.Atouts : Connaissances en statistiques et intérêt pour l'étude des signatures mutationnelles et des caractéristiques génomiques.