Poste postdoctoral en génomique computationnelle, apprentissage automatique et biologie unicellulaire

Description du poste Poste postdoctoral en génomique computationnelle, apprentissage automatique et biologie unicellulaire à Suisse

Poste postdoctoral à l'
EPFL en biologie cellulaire et génomique.
Tâches
Intégration et analyse de données biologiques complexes.
Développement de modèles d'apprentissage machine innovants.
Collaboration interdisciplinaire avec des chercheurs renommés.
Compétences
Formation 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 travail
Lausanne-Région du lac Léman-Suisse
Catégorie
Sciences de la vie|Gestion de la recherche
Poste
Chercheur senior / Postdoctorant
Publié12 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 unicellulaire
Mission
Nous 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 responsabilités
Travailler et collaborer sur des projets de recherche
Analyser et publier les résultats
Construire un réseau solide dans le domaine de la recherche
Participer à l’enseignement et à la supervision des doctorants et étudiants de master
Profil
Solide formation en biologie computationnelle, bioinformatique, apprentissage automatique ou domaine quantitatif connexe
Expérience en apprentissage automatique et/ou modélisation statistique appliquée aux données biologiques
Expertise avérée en analyse de données unicellulaires (scRNA-seq et/ou scATAC-seq)Intérêt ou expérience en intégration de données multimodales et inférence de trajectoire
Maîtrise de Python et/ou RUn intérêt pour la biologie du développement et humaine est fortement apprécié, mais pas obligatoire
Esprit collaboratif fort et capacité à travailler interdisciplinaire
Nous offrons
Un environnement de recherche hautement interdisciplinaire à l’interface entre ML et biologie
Accès à de grands jeux de données multi-omiques unicellulaires à la pointe de la technologie
Collaboration étroite avec des groupes leaders en génomique unicellulaire et apprentissage automatique
Fort soutien pour des publications à fort impact et le développement de carrière
Informations
Date de début du contrat : 01/06/2026Taux d’activité : 100,00Type de contrat :
CDDDurée : 12 moisRéférence : 2072Plus d’informations
Dans votre candidature, veuillez mentionnermy
Science.chet référencer
JobID69250.