Data Scientist- Génomique, Single Cell & Transcriptomique Spatial (H/F)

À propos du poste

Pourquoi nous rejoindre :

Rejoindre l'IHU ICAN, c'est mettre son expertise au service d'un enjeu de santé publique majeur, aux côtés d'équipes scientifiques et cliniques de premier plan.

- Un poste à fort impact : contribuer directement à la lutte contre la première cause évitable de maladies cardiovasculaires.
- Un environnement d'excellence : un institut de référence européen, au sein de l'hôpital de la Pitié-Salpêtrière.

Le poste
Dans le cadre du développement de ses projets Single-Cell et Transcriptomique Spatiale, la plateforme ICAN I/O Data Science recrute un(e) ingénieur(e) ou chercheur(euse) pour renforcer ses activités d'analyse de données à haute résolution cellulaire et spatiale, et génomique humaine.
Sous la responsabilité directe du responsable de la plateforme, le poste s'inscrit dans des projets à forte composante biologique et clinique, en interaction étroite avec des équipes expérimentales et cliniques.

Vos missions
1. Single-Cell Transcriptomiques
- Analyse de données scRNA-seq / snRNA-seq
- Pré-traitement, contrôle qualité, normalisation
- Annotation cellulaire, identification de sous-populations
- Analyses de trajectoires, états cellulaires et plasticité
- Analyses de communication intercellulaire et régulation transcriptionnelle
2. Transcriptomiques spatiales
- Analyse de données de spatial transcriptomics (10x Visium, Xenium, CosMx, MERFISH ou équivalents)
- Cartographie spatiale des populations et états cellulaires
- Intégration spatial / single-cell
- Interaction avec données histologiques
3. Génomique (secondaire)
- Analyses de données WGS / WES / ciblées
- Mapping / alignement des reads (BWA, Bowtie2, etc.)
- Variant calling : SNPs, indels (GATK, bcftools, FreeBayes)
- Annotation fonctionnelle des variants (VEP, ANNOVAR)
- Analyses d'association GWAS
- Contribution à l'interprétation biologique des variants
4. Data Science et analyses statistiques
- Analyses statistiques classiques pour les études cliniques et omiques (statistiques descriptives, tests d'hypothèses, modèles de régression)
- Méthodes avancées de machine learning pour la prédiction et la stratification (forêts aléatoires, gradient boosting, SVM, réseaux de neurones, etc.)
- Sélection de variables, évaluation et validation des modèles
- Développement de workflows analytiques reproductibles
5. Valorisation scientifique
- Participation à la rédaction de publications scientifiques
- Contribution aux projets institutionnels, nationaux et européens
- Présentation des résultats en réunions scientifiques et congrès
- Interaction continue avec biologistes, data-scientistes et cliniciens

Profil recherché
Formation et expérience
Doctorat (PhD) avec une forte expérience en bio-informatiques et analyse de données OMICS ;
Formation en bio-informatique, biologie computationnelle, génomique ou dans un domaine connexe ;
Expérience en analyse de données génomiques et transcriptomiques, idéalement en single-cell RNA-seq et/ou transcriptomique spatiale ;
Solides compétences en analyse, intégration et interprétation de données biologiques complexes ;
Fort intérêt pour l'exploitation conjointe de données biologiques, omiques et cliniques et leur interprétation dans un contexte de recherche biomédicale ;
Capacité à interagir avec des équipes pluridisciplinaires associant biologistes, cliniciens, bio-informaticiens et data scientists.

Compétences et qualités
- Excellente maîtrise de R et/ou Python.
- Expertise en Single-Cell :
Seurat, Scanpy, SingleCellExperiment
Monocle, Slingshot, CellChat (ou équivalents)
- Expérience en Spatial Transcriptomics.
- Connaissances solides en pipelines génomiques :
BWA, GATK, bcftools, PLINK
- Expérience en statistiques et machine learning.
- Environnements Linux / HPC appréciés

Autonomie, rigueur scientifique, esprit collaboratif et maîtrise courante de l'anglais scientifique.