Thèse Modélisation Dynamique Multi-Échelle des Altérations Biologiques dans les Maladies Neurodégénératives H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Centre INRIA Saclay - Île-de-France Direction de la thèse : Sylvain SOLIMAN ORCID 0000000155257418 Début de la thèse : 2027-01-11 Date limite de candidature : 2026-12-31T23:59:59 Les maladies neurodégénératives se caractérisent par des altérations biologiques
et physiopathologiques complexes qui se manifestent à plusieurs échelles
d'organisation, depuis les mécanismes moléculaires et cellulaires jusqu'aux
dysfonctionnements tissulaires, physiologiques et cliniques.
Comprendre comment ces altérations s'articulent entre échelles et dans le temps
pour concourir à l'expression clinique de la maladie, en particulier au déclin
cognitif, constitue un enjeu central pour mieux caractériser la progression de
ces pathologies.
Ce projet de thèse a pour objectif de développer des méthodes d'inférence automatique d'un modèle Booléen multi-échelles exécutable à partir d'un graphe de connaissance spécialisé. Il s'agira de spécifier, au sein d'un même cadre, la manière dont des entités de nature différente (mécanismes moléculaires, processus cellulaires, régions cérébrales, biomarqueurs, phénotypes cliniques, symptômes cognitifs et facteurs environnementaux) peuvent être converties en variables logiques, en règles d'activation ou d'inhibition, et en interactions multiéchelles. Prise en compte de l'aspect multi-échelle des mécanismes des maladies neurodégénératives :
modélisation qualitative ou semi-quantitative (modèles multi-agents basés sur des réseaux de régulation génétique Booléens, à la PhysiBOSS par exemple).
Prise en compte de l'hétérogénéité des données et des informations temporelles présentes dans les graphes de connaissances récents.
Inférer automatiquement un modèle Booléen exécutable multi-échelles à partir d'un graphe de connaissances biomédical temporisé afin d'étudier les trajectoires du déclin cognitif dans certaines maladies neurodégénératives.

- Master 2 ou d'un diplôme d'ingénieur avec une spécialisation en neurosciences
computationnelles, bio-informatique, intelligence artificielle, informatique,
science des données, biologie des systèmes ou domaine connexe.
- Solide expérience en programmation avec Python, R ou d'autres langages pertinents.
- Expérience ou intérêt marqué pour la modélisation prédictive, les graphes de connaissances ou la biologie des réseaux.
- Solides capacités d'analyse et esprit critique, avec une aptitude à formaliser
des problèmes complexes, concevoir des stratégies computationnelles et tester de
nouvelles hypothèses.
- Capacité à travailler de manière autonome comme en collaboration au sein d'un environnement multidisciplinaire.
- Excellentes compétences en communication écrite et orale.