< Назад к списку вакансий

FR - R&I - THESE CIFRE : Développement de nouvelles approches de biologie systémique pour l'évaluation de la toxicité de matières premières cosmétiques - H/F

Сфера деятельности: Research & Innovation

Тип должности: Permanent

Тип занятости: Full - Time

Место расположения: Aulnay-sous-Bois

Страна: France

Offre de Thèse CIFRE : développement de nouvelles approches de biologie systémique pour l’évaluation de la toxicité de matières premières cosmétiques.

ENVIRONNEMENT

L’équipe de recherche MeX (Métabolisme et Xénobiotiques) de l’unité TOXALIM du centre de recherche de l’INRA Occitanie-Toulouse et l’équipe de Biologie Digitale de la Recherche Avancée L’Oréal localisée à Aulnay-Sous-Bois recherchent un(e) candidat(e) pour une thèse CIFRE dans le cadre d’un projet de modélisation métabolique pour l’évaluation de la toxicité de matières premières cosmétiques.

L’équipe MeX développe depuis plusieurs années des méthodes bio-informatiques afin d’étudier, à l’échelle d’une cellule ou d’un tissu, les modulations métaboliques. Ces approches reposent sur la modélisation du métabolisme sous forme de réseau métabolique (modélisation sous contraintes et algorithmes de graphes). Ces développements sont réalisés à partir de données omiques (en particulier métabolomiques et transcriptomiques). Les approches développées au sein de l’équipe sont appliquées à l’étude des composés chimiques pouvant être retrouvés dans les aliments (e.g. Bisphenol A) afin d’identifier leurs effets métaboliques. L’équipe est constituée d’une vingtaine de scientifiques dont 7 bio-informaticiens.

L’équipe de Biologie Digitale au sein de la recherche L’Oréal a pour objectif de développer des approches bio-informatiques et de biologie systémique permettant d’exploiter au mieux la très grande quantité de données omiques (issus des instruments de nouvelle génération pour la Génomique, Transcriptomique, Proteomique et Métabolomique) et qui ont été générées soit lors d’études internes soit disponibles dans le domaine public. L’ensemble de ces approches ont pour but notamment d’enrichir la connaissance des mécanismes d’action biologique d’une matière première cosmétique et ainsi aboutir à l’identification de nouvelles cibles pour le développement de nouveaux produits cosmétiques efficaces et sûrs.

CONTEXTE SCIENTIFIQUE ET OBJECTIF

 Une meilleure compréhension des mécanismes d’action biologique dans l’évaluation de la toxicité des matières premières est une priorité absolue et devient indissociable du processus de recherche d’efficacité produit. De ce fait, les nouvelles approches in-silico permettant à la fois de mieux prédire et mieux comprendre biologiquement le risque de toxicité sont donc particulièrement attendues, notamment suite à l’arrêt des tests sur animaux post-2013 pour l’industrie cosmétique.

La plupart des outils actuels de prédiction sont basés sur l’exploitation des structures chimiques moléculaires. Toutefois, ces outils peuvent rencontrer certaines limitations car des molécules ayant des structures proches peuvent déclencher des effets biologiques différents dont certains sont non souhaités, voire totalement indésirables. De plus, ces modèles s’appliquent difficilement aux mélanges complexes ou bien encore aux substances naturelles, dont la composition n’est pas toujours connue ou bien caractérisée.

Grâce à l’émergence du séquençage ARN avec la technologie NGS (RNA-seq), le coût des expériences a été considérablement réduit et il est aujourd’hui rapide et peu onéreux d’obtenir la signature transcriptomique de n’importe quel type d’ingrédient ou matière première. Cependant, le développement d’outils d’exploitation de ces données pour la compréhension fine des mécanismes d’actions biologiques reste un challenge bio-informatique important. Ceci est d’autant plus renforcé du fait que la transcriptomique donne une image à un instant t de l’état de la cellule dans des conditions expérimentales spécifiques (temps du prélèvement, dose, concentration, modèles biologiques utilisés, etc…).

Pour pallier à cela, des approches dynamiques de biologie systémique ont vu le jour tels que les modèles métaboliques à l’échelle du génome (Genome-scale metabolic models (GEMs)). Contrairement aux approches d’analyse omiques plus classiques, ces modèles tendent à capturer toutes les réactions enzymatiques et de transports possibles dans une cellule. L’une des initiatives des plus connues est la reconstruction du métabolisme humain, RECON (Thiele al. ; 2013 et 2018). RECON permet notamment l’étude de la distribution des flux des réactions métaboliques à l’état d’équilibre.

En se basant sur ce type d’approche, l’objectif de la thèse sera de construire et d’optimiser un modèle métabolique humain qui sera exploité via des données omiques internes et/ou publiques. L’identification et l’interprétation biologique des réactions dont les flux sont modifiés par l’application d’un traitement (e.g produit cosmétique) permettra d’évaluer l’apport de ce type de modélisation pour une compréhension plus fine des mécanismes d’actions biologiques dans l’évaluation du risque.

L’étudiant(e) en Thèse sera co-encadré(e) par Fabien Jourdan (Toulouse, INRA) et Olivier Périn (Aulnay-Sous-Bois, L’Oréal). Son temps sera réparti entre les deux partenaires mais sera principalement localisé(e) au sein de l’INRA Occitanie-Toulouse (70% du temps approximativement). Durant la thèse, l’étudiant(e) sera employé(e) L’Oréal et bénéficiera des avantages salariaux de l’entreprise.

Vos compétences scientifiques et techniques :

  • Le/la candidat(e) aura préférentiellement un diplôme niveau ingénieur/master en biologie systémique, informatique, mathématique ou statistique appliquée à la biologie.

  • La connaissance et la maitrise d’au moins un langage de programmation (Matlab, Java) ou de script (R, python).

  • Une première expérience en bio-informatique dans l’exploitation de données omiques (génomique, transcriptomique, protéomique ou métabolomique) serait appréciée.

  • La maitrise de l’anglais scientifique oral et écrit est obligatoire. 

     

Qualités Requises

 

  • Intérêt pour la recherche multi-disciplinaire

  • Réactivité

  • Dynamisme

  • Flexibilité

  • Travail en équipe et en réseau

  • Capacité à synthétiser l’information

  • Très bon relationnel - communication

  • Autonomie

  • Rigueur