Data Scientist- Génomique, Single Cell & Transcriptomique Spatial (H/F)

Pourquoi nous rejoindre :

Rejoindre l'IHU ICAN, c'est mettre son expertise au service d'un enjeu de santé publique majeur, aux côtés d'équipes scientifiques et cliniques de premier plan.

• Un poste à fort impact : contribuer directement à la lutte contre la première cause évitable de maladies cardiovasculaires.
• Un environnement d'excellence : un institut de référence européen, au sein de l'hôpital de la Pitié-Salpêtrière.

Le poste
Dans le cadre du développement de ses projets Single-Cell et Transcriptomique Spatiale, la plateforme ICAN I/O Data Science recrute un(e) ingénieur(e) ou chercheur(euse) pour renforcer ses activités d'analyse de données à haute résolution cellulaire et spatiale, et génomique humaine.
Sous la responsabilité directe du responsable de la plateforme, le poste s'inscrit dans des projets à forte composante biologique et clinique, en interaction étroite avec des équipes expérimentales et cliniques.

Vos missions
1. Single-Cell Transcriptomiques

• Analyse de données scRNA-seq / snRNA-seq
• Pré-traitement, contrôle qualité, normalisation
• Annotation cellulaire, identification de sous-populations
• Analyses de trajectoires, états cellulaires et plasticité
• Analyses de communication intercellulaire et régulation transcriptionnelle

2. Transcriptomiques spatiales

• Analyse de données de spatial transcriptomics (10x Visium, Xenium, CosMx, MERFISH ou équivalents)
• Cartographie spatiale des populations et états cellulaires
• Intégration spatial / single-cell
• Interaction avec données histologiques

3. Génomique (secondaire)

• Analyses de données WGS / WES / ciblées
• Mapping / alignement des reads (BWA, Bowtie2, etc.)
• Variant calling : SNPs, indels (GATK, bcftools, FreeBayes)
• Annotation fonctionnelle des variants (VEP, ANNOVAR)
• Analyses d'association GWAS
• Contribution à l'interprétation biologique des variants

4. Data Science et analyses statistiques

• Analyses statistiques classiques pour les études cliniques et omiques (statistiques descriptives, tests d'hypothèses, modèles de régression)
• Méthodes avancées de machine learning pour la prédiction et la stratification (forêts aléatoires, gradient boosting, SVM, réseaux de neurones, etc.)
• Sélection de variables, évaluation et validation des modèles
• Développement de workflows analytiques reproductibles

5. Valorisation scientifique

• Participation à la rédaction de publications scientifiques
• Contribution aux projets institutionnels, nationaux et européens
• Présentation des résultats en réunions scientifiques et congrès
• Interaction continue avec biologistes, data-scientistes et cliniciens

Profil recherché
Formation et expérience
Doctorat (PhD) avec une forte expérience en bio-informatiques et analyse de données OMICS ;
Formation en bio-informatique, biologie computationnelle, génomique ou dans un domaine connexe ;
Expérience en analyse de données génomiques et transcriptomiques, idéalement en single-cell RNA-seq et/ou transcriptomique spatiale ;
Solides compétences en analyse, intégration et interprétation de données biologiques complexes ;
Fort intérêt pour l'exploitation conjointe de données biologiques, omiques et cliniques et leur interprétation dans un contexte de recherche biomédicale ;
Capacité à interagir avec des équipes pluridisciplinaires associant biologistes, cliniciens, bio-informaticiens et data scientists.

Compétences et qualités

• Excellente maîtrise de R et/ou Python.
• Expertise en Single-Cell :

Seurat, Scanpy, SingleCellExperiment
Monocle, Slingshot, CellChat (ou équivalents)

• Expérience en Spatial Transcriptomics.
• Connaissances solides en pipelines génomiques :

BWA, GATK, bcftools, PLINK

• Expérience en statistiques et machine learning.
• Environnements Linux / HPC appréciés

Autonomie, rigueur scientifique, esprit collaboratif et maîtrise courante de l'anglais scientifique.