STAGE - Ingénieur.e Recherche Deep Learning - Methodes IA pour des Virtual Cells en oncologie (F/H)

Lieu du stage : Cesson-Sévigné (35)

Au sein du département Recherche de Dassault Systèmes, vous intégrerez l’équipe de recherche Oncology Twin qui vise à projeter les technologies de traitement de données (imagerie, génomique, textuelles, etc.) dans la pratique médicale de demain. Dans le cadre d'un programme de recherche collaboratif, vous aurez l'opportunité de développer des technologies innovantes qui s'intégreront dans une solution future pour améliorer le diagnostic et offrir un soin personnalisé à chaque patient atteint de cancer.

Vous intégrerez le projet de modélisation d'organoïdes, basé à l'agence de Cesson-Sévigné (proche de Rennes). Ce projet offre de nombreuses applications, notamment la modélisation de thérapies anticancéreuses innovantes, grâce à la construction de jumeaux numériques de tumeurs. Ces jumeaux virtuels permettent de réaliser des tests à grande échelle, réduisant ainsi considérablement le nombre d’expériences en laboratoire, en particulier sur les animaux. Ils ouvrent également de nouvelles perspectives en matière de thérapies personnalisées.

L’intégration des technologies multi-omics et de l’intelligence artificielle (AI) révolutionne la modélisation cellulaire, ouvrant des perspectives inédites pour la compréhension des maladies complexes comme le cancer. Les AI Virtual Cells (AIVC) sont des modèles computationnels permettant de simuler le comportement des cellules et d’étudier leur réponse à des perturbations, telles que les traitements anticancéreux [1].

[1] Bunne, C., Roohani, Y., Rosen, Y., Gupta, A., Zhang, X., Roed, M., Alexandrov, T., AlQuraishi, M., Brennan, P., Burkhardt, D.B., et al. (2024). How to build the virtual cell with artificial intelligence: Priorities and opportunities. Cell 187, 7045–7063. https://doi.org/10.1016/j.cell.2024.11.015.

Vos missions

Dans ce cadre, l'objectif du stage sera de développer des modèles d'AIVC appliqués à l’oncologie, en combinant des données multi-omics et des méthodes avancées de Deep Learning. Ce modèle pourra être utilisé pour diverses applications, notamment l'identifications des mécanismes biologiques sous-jacents du cancer, la prédiction de la réponse des cellules aux traitements médicamenteux, afin de mieux comprendre les dynamiques tumorales.

Le stage débutera par une revue de la littérature des modèles existants et leurs applications en oncologie, ainsi que d’un recensement des jeux de données multi-omics publiques utilisables. Un ou plusieurs modèles innovants seront ensuite implémentés et évalués.