Thèse Approches Bioinformatiques et IA pour Modéliser la Communication Métabolique dans le Glioblastome H/F - Doctorat.Gouv.Fr

Établissement : Université de Bordeaux École doctorale : Mathématiques et Informatique Laboratoire de recherche : Institut de Biochimie et Génétique Cellulaires Direction de la thèse : Macha NIKOLSKI ORCID 000000016059577X Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-31T23:59:59 Le glioblastome est une tumeur cérébrale agressive dont la progression dépend fortement des interactions entre les cellules tumorales et le microenvironnement cérébral. Ces interactions sont spatialement organisées, notamment le long de routes d'invasion riches en neurones, oligodendrocytes et matériel dérivé de la myéline, et peuvent soutenir des programmes métaboliques associés à la dissémination tumorale et à la résistance.Ce projet de thèse s'inscrit dans le consortium ShadowEV-GBM et vise à développer des approches d'IA et de bioinformatique pour intégrer des données hétérogènes de grande dimension : transcriptomique spatiale, imagerie par spectrométrie de masse, métabolomique/lipidomique, profils moléculaires, modèles expérimentaux et informations patient. L'objectif est d'identifier des niches métaboliques associées à l'invasion du glioblastome et de mieux comprendre l'organisation spatiale des interactions tumeur-microenvironnement.Le doctorant développera des workflows computationnels intégratifs mobilisant l'intégration multi-omique, la modélisation spatiale, l'apprentissage non supervisé, les représentations multimodales, l'analyse de réseaux et l'IA interprétable. Le projet explorera également comment des signatures métaboliques tissulaires pourraient être reliées à des readouts cliniquement accessibles, notamment des caractéristiques issues de l'imagerie métabolique IRM, afin d'ouvrir des perspectives translationnelles et de contribuer à l'identification de biomarqueurs interprétables. La thèse s'inscrit dans le projet ShadowEV-GBM, financé dans le cadre de l'appel MIC INSERM, qui réunit des expertises en bioinformatique, métabolisme du glioblastome, omiques spatiales, modèles expérimentaux et imagerie. Le doctorant sera accueilli à l'IBGC, au sein de l'équipe Computational Biology and Bioinformatics, en co-direction avec Julien Engelhardt et en interaction étroite avec l'équipe GBmetabo dirigée par Thomas Daubon. Le projet repose sur une collaboration académique interdisciplinaire entre équipes de bioinformatique, biologie du cancer et neuro-oncologie. Des interactions avec les partenaires cliniques et les plateformes technologiques seront mobilisées selon les besoins des données et des analyses. L'objectif principal de la thèse est de développer et d'appliquer des approches d'IA et de bioinformatique pour mieux comprendre l'organisation spatiale des programmes métaboliques impliqués dans l'invasion du glioblastome. Le projet visera à intégrer des données hétérogènes, notamment transcriptomique spatiale, imagerie par spectrométrie de masse, métabolomique/lipidomique, profils moléculaires et données issues de modèles expérimentaux. Un objectif complémentaire sera d'explorer comment certaines signatures tissulaires pourraient être mises en relation avec des phénotypes cliniques. Le doctorant mettra en place des méthodes computationnelles analyser et intégrer des données spatiales, moléculaires et d'imagerie liées au glioblastome. Les analyses incluront le prétraitement et la standardisation des données, l'intégration multimodale, l'identification de signatures métaboliques spatialement organisées et l'évaluation de leur robustesse. Les approches mobiliseront des méthodes d'IA, de bioinformatique, d'analyse spatiale, de modélisation statistique, d'apprentissage non supervisé et d'IA interprétable. Une attention particulière sera portée à la reproductibilité des analyses, à la traçabilité des données et à l'interprétation biologique des résultats en lien avec les partenaires expérimentaux et cliniques.

Nous recherchons une personne curieuse et motivée, avec :- un diplôme de Master ou d'ingénieur en informatique, bioinformatique, biologie computationnelle, intelligence artificielle, mathématiques appliquées ou dans un domaine proche ;- de solides compétences en programmation en Python, idéalement avec PyTorch ou TensorFlow, et/ou en R ;- un intérêt pour l'apprentissage automatique, l'apprentissage de représentations, la modélisation par graphes, les statistiques spatiales ou l'intégration de données multimodales ;- la capacité à travailler avec des jeux de données hétérogènes et à échanger avec des collaborateurs expérimentaux et cliniques ;- la motivation pour développer des méthodes computationnelles interprétables et reproductibles, en lien avec des mécanismes biologiques ;- la capacité à travailler de manière autonome tout en s'impliquant dans une collaboration interdisciplinaire ;- un intérêt marqué pour l'interprétation biologique des résultats computationnels.Une expérience préalable en transcriptomique spatiale, métabolomique, imagerie médicale, radiomique ou réseaux de neurones sur graphes serait un atout, mais n'est pas obligatoire. Le critère essentiel est un solide profil computationnel et une forte motivation pour la recherche biomédicale interdisciplinaire.