Poste postdoctoral en génomique computationnelle, apprentissage automatique et biologie unicellulaire

myScience

Poste postdoctoral à l'EPFL en biologie cellulaire et génomique.TâchesIntégration et analyse de données biologiques complexes.Développement de modèles d'apprentissage machine innovants.Collaboration interdisciplinaire avec des chercheurs renommés.CompétencesFormation en biologie computationnelle ou apprentissage machine requise.Expertise en analyse de données scRNA-seq nécessaire.Compétences en programmation Python ou R appréciées.Poste postdoctoral en génomique computationnelle, apprentissage automatique & biologie unicellulaireÉcole polytechnique fédérale de Lausanne, EPFLLieu de travailLausanne-Région du lac Léman-SuisseCatégorieSciences de la vie|Gestion de la recherchePosteChercheur senior / PostdoctorantPublié12 février 2026L’EPFL, l’École polytechnique fédérale de Lausanne, est l’un des campus universitaires les plus dynamiques d’Europe et figure parmi les 20 meilleures universités mondiales. L’EPFL emploie plus de 6 500 personnes soutenant les trois missions principales de l’institution : l’enseignement, la recherche et l’innovation. Le campus de l’EPFL offre un environnement de travail exceptionnel au cœur d’une communauté de plus de 18 500 personnes, dont plus de 14 000 étudiants et 4 000 chercheurs issus de plus de 120 pays différents.Poste postdoctoral en génomique computationnelle, apprentissage automatique & biologie unicellulaireMissionNous recherchons un chercheur postdoctoral très motivé, avec une solide formation en biologie computationnelle et/ou apprentissage automatique, pour rejoindre un projet interdisciplinaire à l’interface de la génomique unicellulaire, de l’intégration de données et de la biologie du développement.Le projet porte sur l’intégration et l’analyse de jeux de données unicellulaires multimodaux, incluant scRNA-seq, scATAC-seq, scCUT&Tag, HiC et protéomique, avec un accent sur l’inférence de trajectoire, la dynamique régulatrice et les décisions de destin cellulaire. Un objectif clé est de développer et d’appliquer des approches d’apprentissage automatique, allant des modèles probabilistes aux méthodes modernes d’apprentissage de représentation, pour découvrir les principes des transitions d’état cellulaire. Le travail sera réalisé en étroite collaboration avec les laboratoires Deplancke et Brbic à l’EPFL, offrant un environnement exceptionnellement riche combinant biologie expérimentale, génomique computationnelle et méthodologie ML.Principales tâches et responsabilitésTravailler et collaborer sur des projets de rechercheAnalyser et publier les résultatsConstruire un réseau solide dans le domaine de la rechercheParticiper à l’enseignement et à la supervision des doctorants et étudiants de masterProfilSolide formation en biologie computationnelle, bioinformatique, apprentissage automatique ou domaine quantitatif connexeExpérience en apprentissage automatique et/ou modélisation statistique appliquée aux données biologiquesExpertise avérée en analyse de données unicellulaires (scRNA-seq et/ou scATAC-seq)Intérêt ou expérience en intégration de données multimodales et inférence de trajectoireMaîtrise de Python et/ou RUn intérêt pour la biologie du développement et humaine est fortement apprécié, mais pas obligatoireEsprit collaboratif fort et capacité à travailler interdisciplinaireNous offronsUn environnement de recherche hautement interdisciplinaire à l’interface entre ML et biologieAccès à de grands jeux de données multi-omiques unicellulaires à la pointe de la technologieCollaboration étroite avec des groupes leaders en génomique unicellulaire et apprentissage automatiqueFort soutien pour des publications à fort impact et le développement de carrièreInformationsDate de début du contrat : 01/06/2026Taux d’activité : 100,00Type de contrat : CDDDurée : 12 moisRéférence : 2072Plus d’informationsDans votre candidature, veuillez mentionnermyScience.chet référencerJobID69250.