Au sein du CIRAD, l'UMR AGAP Institut, « Amélioration Génétique et adaptation des plantes méditerranéennes et tropicales » met en synergie une grande diversité de compétences, d'approches et de ressources pour développer des plantes cultivées mieux adaptées à des agrosystèmes variés. Des outils de prédiction des valeurs génétiques plus performants, en particulier capable d'intégrer des relations complexes et non linéaires utilisant des données hétérogènes et déséquilibrées (génomiques, environnementales, etc.) rendront plus efficaces les schémas d'amélioration conduits avec nos partenaires et aideront notamment à l'adaptation au changement climatique.
Dans ce contexte, le CIRAD recrute un.e chercheur.e (H/F) spécialiste du deep learning et autres méthodes de machine learning pour les adapter et les appliquer à l'amélioration des plantes, avec pour objectif une meilleure prédiction des valeurs génétiques et l'identification plus efficace des facteurs contrôlant la variabilité phénotypique1,2.
Vous intégrerez l'équipe Génome et Sélection des plantes Pérennes (GSP) d'AGAP à Montpellier. Elle dispose d'une expertise reconnue sur la mise en évidence des mécanismes génétiques contrôlant les caractères d'intérêt agronomiques, la caractérisation et la mise en valeur des ressources génétiques et l'optimisation des stratégies de sélection chez des cultures pérennes tropicales majeures (palmier à huile, cacaoyer, hévéa, …).
Vous serez en charge de développer les activités suivantes :
• recherches en prédiction génomique et identification de polymorphismes causaux : veille méthodologique, identification et application d'approches pertinentes, comparaisons entre deep learning, autres méthodes de machine learning et approches conventionnelles (biostatistiques/génétique quantitative) et, développements théoriques et/ou adaptation des méthodes existantes. Vous participerez dans un premier temps à des projets de recherche en cours (sélection génomique du palmier à huile) puis vous aurez une activité de montage de projets en collaboration avec d'autres chercheurs d'AGAPi. Vous aurez des activités d'encadrement d'étudiants et de valorisation scientifique (articles, conférences).
• transfert de compétences, avec formations internes et animations scientifiques au sein d'AGAP, et formations des partenaires du Sud
Vous bénéficierez de l'appui et de l'expérience de chercheur.e.s en génétique quantitative, mathématiques/biostatistiques, informatique, data science, machine learning, agronomie, etc. existant au sein d'AGAP et d'autres unités du CIRAD. Des collaborations seront à développer avec l'université de Montpellier, le CNRS, l'INRAE et à l'international.

Formation :
Titulaire d'un doctorat en data science avec un intérêt pour la biologie, ou d'un doctorat en biologie avec une spécialisation en data science.

Compétences et savoir-faire indispensables :
. Maîtrise des réseaux de neurones et autres méthodes de machine learning et d'intelligence artificielle
. Maîtrise de la programmation informatique (python, bash) et de l'utilisation de serveurs de calcul (SLURM), connaissances avancées des librairies scikit-learn, pytorch et tensorflow
. Bonnes capacités d'expression orale et de rédaction scientifique en anglais

Compétences souhaitées :
. Connaissances en biostatistique, bio-informatique, génétique quantitative et/ou méthodes d'amélioration génétique
. Capacités d'animation
. Expérience en enseignement, formation et/ou encadrement d'étudiants
. Expérience dans le montage de projets

Capacités personnelles :
. Capacités relationnelles
. Intérêt pour l'interdisciplinarité
. Dynamisme, créativité et esprit d'initiative

Merci de bien vouloir indiquer dans votre CV des références de responsables de votre doctorat et autres expériences professionnelles que nous nous permettrons de contacter.

Avantages sociaux : Vous bénéficiez d'un 13ème mois. Pour en savoir plus : Nos atouts



A moyen terme vos activités devront vous permettre de passer une HDR.

1 Crossa et al 2024. Machine learning algorithms translate big data into predictive breeding accuracy. Trends in Plant Sci.
2 Novakovsky et al 2023. Obtaining genetics insights from deep learning via explainable artificial intelligence. Nat. Rev. Genetics