Doctorant (F/H) Thèse : Enrichissement Sémantique

**Type de contrat **:CDD

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

**Fonction **:Doctorant

**Niveau d'expérience souhaité **:Jeune diplômé

**A propos du centre ou de la direction fonctionnelle**:
Le centre Inria de l'Université de Rennes est l'un des neuf centres d’Inria et compte plus d'une trentaine 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**:
Les données génomiques permettent des avancées cruciales en médecine, écologie, surveillance des océans et agronomie. Une limitation majeure est qu'il est impossible de consulter l'intégralité de ces données (pétaoctets de séquences).

L'idée centrale d'OmicFinder est de construire un index de petits mots exacts présents dans des millions de jeux de données, afin qu'une requête basée sur cet index renvoie la liste des jeux de données contenant (au moins) une séquence comportant ce mot. Cela correspond à l'aspect syntaxique de la résolution des requêtes. Cette thèse de doctorat se concentre sur la création et l'exploitation d'une couche sémantique supplémentaire basée sur les métadonnées décrivant les jeux de données.

**Mission confiée**:
La thèse portera sur:
des **Requêtes intelligentes** : Tout d'abord, cela permettra aux utilisateurs de spécifier des critères de pertinence _a priori_ qui réduiront le bruit et amélioreront les performances. Par exemple, cela permettra à un utilisateur de spécifier qu'il s'intéresse au microbiome intestinal humain, de sorte que les jeux de données contenant des séquences correspondant au mot, mais obtenus lors d'une expédition océanique Tara, puissent être ignorés. Encore mieux, OmicFinder n'orientera même pas cette requête vers le dépôt Tara, évitant ainsi des calculs inutiles. Notez que nous souhaitons prendre en charge plusieurs niveaux de granularité afin de se concentrer sur le microbiome intestinal des mammifères, ou plus spécifiquement sur le microbiome intestinal des mammifères omnivores.

des **Réponses intelligentes** : Ensuite, cela permettra au moteur de requêtes d'OmicFinder de fournir une caractérisation _a posteriori_ des jeux de données, similaire aux analyses d'enrichissement classiques. Par exemple, on pourrait comparer les fréquences des annotations dans les jeux de données retournés par la requête avec les fréquences des mêmes annotations dans l'ensemble des jeux de données, ou parmi les jeux de données qui correspondent aux critères sémantiques. Par exemple, on pourrait découvrir que les jeux de données retournés par une requête sur un mot particulier dans les jeux de données liés au microbiome intestinal humain sont enrichis en maladies liées au foie par rapport aux jeux de données liés au microbiome intestinal humain en général.

**Principales activités**:
Les contributions de cette thèse porteront sur:

- la **création d'un index sémantique des jeux de données**. Cela nécessitera de récupérer les métadonnées des principaux dépôts de jeux de données et de les représenter dans un schéma unifié, basé sur des technologies du Web sémantique telles que RDF, RDFS+OWL et bioschemas.
- La **comparaison du compromis entre un stockage centralisé et décentralisé des annotations sémantiques** en termes de simplicité de mise en œuvre, d'impact sur les performances et de scalabilité.
- la **capacité des utilisateurs à exprimer des requêtes sémantiquement riches**. Cela reposera sur SPARQL pour représenter les requêtes, mais nécessitera une interface utilisateur adéquate.
- la **capacité à décrire et caractériser les résultats des requêtes**.

**Compétences**:
Compétences techniques et niveau requis : Programmation (Python ou Java)

Langues : Français ou Anglais

Compétences additionnelles appréciées : Semantic Web

**Avantages**:

- Restauration subventionnée
- Transports publics remboursés partiellement
- Possibilité de télétravail à hauteur de 90 jours annuels
- Prise en charge partielle du coût de la mutuelle

**Rémunération**:
Salaire mensuel brut de 2 100 € les deux premières années et 2 190 € la troisième

**Informations générales**:

- **Thème/Domaine**: Biologie numérique
Systèmes d'information (BAP E)
- **Ville**: Rennes
- **Centre Inria**: Centre Inria de l'Université de Rennes
- **Date de prise de fonction souhaitée**: 2024-10-01
- **Durée de contrat**: 3 ans
- **Date limite pour postuler**: 2024-11-03

**Consignes pour postuler**:
Merci de déposer en ligne CV, lettre de motivation et éventuelles recommandations

**Sécurité défense**:
Ce poste est susceptible d’êtr