Modèles D'intelligence Artificielle en

**Modèles d'intelligence artificielle en pharmacogénomique // Artificial intelligence models in pharmacogenomics**:

- Réf **ABG-125669**
**ADUM-58728**
- Sujet de Thèse- 05/09/2024- Autre financement public- Université Grenoble Alpes- Lieu de travail- Grenoble Cedex 9 - France- Intitulé du sujet- Modèles d'intelligence artificielle en pharmacogénomique // Artificial intelligence models in pharmacogenomics- Champs scientifiques- Biologie
- Mots clés- Données omiques, Apprentissage machine, Biologie du cancer, Réponse au traitement, Prognostic, Bioinformatique
Omics data, Machine learning, Cancer biology, Drug response, Prognostic, Bioinformatics**Description du sujet**:

- La pharmacologie translationnelle est une discipline qui cherche à transférer les résultats de la recherche pharmacologique moléculaire vers la clinique afin d'optimiser le choix des médicaments, leur dosage et leur sécurité chez les patients. Plus précisément, elle cherche à traduire les connaissances acquises à partir de modèles moléculaires et précliniques vers les études au chevet des patients. Au sein du consortium de recherche multidisciplinaire DIGPHAT (Digital Pharmacological Twins), financé par le programme de recherche Santé Numérique du plan France Relance 2030, nous cherchons à développer une approche globale en pharmacologie des systèmes pour mieux personnaliser les thérapies médicamenteuses. Nous y parviendrons en développant des modèles pharmacologiques interopérables intégrant des données de santé multi-échelles et longitudinales. Dans ce contexte, le doctorat visera à mettre en œuvre des approches bioinformatiques et d'IA (Intelligence Artificielle) pour la génération de caractéristiques à partir de données de cancer multi-échelles (moléculaires, cellulaires, cliniques) de cohortes de patients, et à développer des modèles d'IA en pharmaco-génomique et pharmaco-épigénomique.

Translational pharmacology is a discipline seeking to move results from molecular pharmacological research to the clinic in order to optimize the choice of drugs, their dosage and safety in patients. Specifically, it seeks to translate knowledge acquired from molecular and preclinical models to the bedside patient studies. Within the multidisciplinary research consortium DIGPHAT (Digital Pharmacological Twins), funded by the Digital Health research program of the France Relance 2030 plan, we seek to develop a global approach in systems pharmacology to better personalize drug therapies. We will achieve this by developing interoperable pharmacological models integrating multi-scale and longitudinal health data. In this context, the PhD will aim to implement bioinformatics and AI (Artificial Intelligence) approaches for the generation of features from multi-scale (molecular, cellular, clinical) cancer data of patient cohorts, and develop AI models in pharmaco-genomics and pharmaco-epigenomics.

Début de la thèse : 15/10/2024**Nature du financement**:

- Autre financement public**Précisions sur le financement**:

- ANR Financement d'Agences de financement de la recherche**Présentation établissement et labo d'accueil**:

- Université Grenoble Alpes**Etablissement délivrant le doctorat**:

- Université Grenoble Alpes**Ecole doctorale**:

- 216 ISCE - Ingénierie pour la Santé la Cognition et l'EnvironnementKnowledge and skills in bioinformatics: Omics data, machine learning & biostatistics, unix, Python/R programming. Professional aptitude: curiosity and desire to improve their scientific and technological skills, rigor and organization, and ability to work in a team and interact with other students, engineers and researchers-
- 05/09/2024