Post-doctorat : modélisation épidémiologique, inférence bayésienne et intelligence artificielle

Il y a 2 heures

MarcyL'Etoile, Auvergne-Rhône-Alpes, France Inrae Temps plein

Vos missions en quelques mots

Votre mission principale consistera à développer une nouvelle génération de méthodes d’inférence fondée sur la simulation, mobilisant les avancées récentes de l'intelligence artificielle pour calibrer des modèles mécanistes spatialisés de propagation d’agents pathogènes à partir de sources de données multiples. Les approches développées devront permettre de mettre à jour les estimations et d’actualiser les projections en temps quasi-réel, à mesure que de nouvelles données deviennent disponibles.

Vous contribuerez plus particulièrement au développement de méthodes reposant sur des algorithmes d’intelligence artificielle – Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE) et d’autres méthodes apparentées – permettant l’intégration simultanée de données hétérogènes : données épidémiologiques telles que l’incidence ou la séroprévalence, données génomiques et résultats d’analyses phylodynamiques, données démographiques et de mobilité des populations hôtes, données environnementales et géospatiales, informations relatives aux interventions sanitaires. 

Vous appliquerez les méthodes développées à différents modèles épidémiologiques simulant la transmission d’agents pathogènes d’intérêt en santé humaine et animale, notamment l’influenza saisonnière et le SARS-CoV-2 chez l’être humain, ainsi que le virus de la dermatose nodulaire contagieuse chez les bovins.

L’objectif général de ces travaux est de produire des outils capables d’estimer rapidement les principaux paramètres épidémiologiques, de quantifier rigoureusement les incertitudes associées à ces estimations et de fournir des projections régulièrement actualisées afin d’éclairer la préparation, la surveillance et la réponse aux crises sanitaires.

Enfin, vous assurerez la mise en œuvre informatique des méthodes développées sous la forme de pipelines d’analyse reproductibles en Python et/ou en R, ainsi que leur documentation et leur diffusion sous forme d’outils open source à destination de la communauté scientifique. Vous contribuerez également à la valorisation des travaux par la rédaction d’articles scientifiques et la présentation des résultats lors de réunions de consortium et de conférences internationales.



Profil recherché

Formation recommandée : Doctorat en épidémiologie, écologie, statistiques, intelligence artificielle, physique, mathématiques appliquées ou dans une discipline quantitative apparentée.

Connaissances souhaitées : Solides connaissances dans au moins deux des domaines suivants : modélisation mécaniste, inférence bayésienne et/ou basée sur les simulations, apprentissage profond, modélisation phylodynamique et analyses génomiques. Une bonne maîtrise de Python et/ou de R est attendue, ainsi qu’une expérience avec plusieurs des outils ou environnements suivants : PyTorch, JAX, Pyro, sbi, Stan, Git et Linux.

Expérience appréciée : Expérience en modélisation appliquée à la dynamique de transmission d’agents pathogènes au sein de populations humaines ou animales structurées. Une expérience de l’intégration de bases de données complexes pour la calibration de modèles, ainsi que du développement de pipelines d’analyse reproductibles constituera également un atout.

Aptitudes recherchées : Capacité à concevoir et conduire des travaux de recherche avec un haut degré d’autonomie, aptitude à travailler au sein d’équipes interdisciplinaires et internationale, capacité à valoriser les travaux par des publications dans des revues scientifiques internationales, excellente maîtrise de l’anglais, à l’oral comme à l’écrit.

Niveau d'études minimum requis

  • Niveau Niveau 8 Doctorat/diplômes équivalents

Éléments de candidature

Documents à transmettre

Pour postuler à cette offre, l'envoi du CV et d'une lettre de motivation est obligatoire

Personnes à contacter

  • PINOTTI Francesco
  • FOURNIE Guillaume