Doctorant (F/H) Réservoir de Calculs Avec Des Bactéries

**Type de contrat**: CDD

**Niveau de diplôme exigé**: Bac + 5 ou équivalent

**Fonction**: Doctorant

**A propos du centre ou de la direction fonctionnelle**:
Le centre Inria de l’université de Bordeaux est un des neuf centres d’Inria en France et compte une vingtaine d’équipes de recherche. Le centre Inria est un acteur majeur et reconnu dans le domaine des sciences numériques. Il est au cœur d'un riche écosystème de R&D et d’innovation : PME fortement innovantes, grands groupes industriels, pôles de compétitivité, acteurs de la recherche et de l’enseignement supérieur, laboratoires d'excellence, institut de recherche technologique

**Contexte et atouts du poste**:
**Description de la problématique de recherche**:
Contrairement aux approches traditionnelles « bottom-up » qui construisent des dispositifs biologiques pour le calcul au sein d'organismes vivants [1-3], ce projet de doctorat propose une stratégie novatrice « top-down ». L'objectif est d'exploiter des souches bactériennes dans un cadre de calcul par réservoir (reservoir computing, RC) pour résoudre des tâches computationnelles complexes.

Concevoir des dispositifs biologiques présente de nombreux défis : ces dispositifs imposent une charge métabolique importante aux cellules hôtes, sont difficiles à ajuster et sensibles au bruit [4, 5]. Le design de tels dispositifs s'inspire souvent des systèmes biologiques de traitement de l'information, tels que les portes logiques, interrupteurs et perceptrons, déjà présents dans la nature [6, 7]. Cela soulève une question intrigante : au lieu de construire ces dispositifs de toutes pièces, pourrait-on exploiter directement les microorganismes naturels pour réaliser des tâches computationnelles complexes ?

**Supervision**:
La thèse sera co-encadrée par Jean-Loup Faulon (HDR, PR) à l'INRAe et Xavier HINAUT (HDR, CR) à l'Inria.

**Mission confiée**:
**Domaine**:
Intelligence artificielle appliquée à des données biologiques.

Le calcul par réservoir (RC) est une branche de l'intelligence artificielle qui explore les capacités computationnelles de systèmes physiques, chimiques et biologiques [8]. Initialement développé comme une alternative aux réseaux de neurones artificiels classiques, en particulier les réseaux de neurones récurrents (RNN), le RC offre un processus d’entraînement plus efficace. Il existe deux types principaux de systèmes RC : le RC conventionnel et le RC physique.

**Objectifs**:
Ce projet de doctorat vise à évaluer la faisabilité d'utiliser des souches bactériennes dans un cadre de calcul par réservoir (RC) et à explorer leur potentiel en tant que réservoirs. Comme d’autres méthodes d’apprentissage automatique, le RC repose sur des données d’entraînement comprenant des caractéristiques et des étiquettes, en cherchant à prédire les étiquettes à partir des caractéristiques. Dans une approche de réservoir bactérien, les caractéristiques du problème sont représentées par des nutriments fournis aux bactéries, et les réponses bactériennes sont mesurées par des observations phénotypiques. Ces mesures sont ensuite traitées par un régresseur ou un classificateur d'apprentissage automatique classique pour fournir des solutions aux tâches computationnelles.

**Principales activités**:
Concrètement, le projet commencera (Année 1) en utilisant E. coli comme souche de test, entraînée sur des milieux enrichis en différents métabolites et en enregistrant les courbes de croissance pour diverses compositions de milieux. Les capacités computationnelles de ce réservoir d’E. coli ensuite comparées à des techniques classiques d’apprentissage automatique telles que la régression linéaire multiple (MLR), les machines à vecteurs de support (SVM) et le perceptron multicouche (MLP) pour diverses tâches de régression et de classification. Comme illustré dans la Figure 2 dans le document pdf et Faulon et al. [13], les résultats préliminaires obtenus sur un ensemble de taux de croissance d’E. coli avec différents nutriments (sucres, acides aminés, nucléotides) indiquent que cette approche peut être utilisée pour classer des motifs linéaires et non linéaires.

comme réservoirs.

Pour les tests sur des échantillons cliniques, l'étudiant aura accès à des cohortes de cancer de la prostate et de COVID-19 fournies par les CHUs de Montpellier et Grenoble. D'autres échantillons liés à d'autres pathologies pourront être acquis durant le projet. Enfin, la possibilité de detecter des polluants environnementaux (par exemple dans l’eau) sera également étudiée dans le cadre du RC multi-espèces.
- ## Bibliography
1. Purnick, P. E. M. & Weiss, R. The second wave of synthetic biology: from modules to systems. Nat. Rev. Mol. Cell Biol. 10, 410-422
(2009).
2. Gardner, T. S., Cantor, C. R. & Collins, J. J. Construction of a genetic toggle switch in Escherichia coli. Nature 403, 339-342 (2000).
3. Elowitz, M. B. & Leibler, S. A synthetic oscillatory network of transcriptional regulators. Nature 403, 335-338 (2000).
4. Swain, P. S., Elowitz