Inférence Computationnelle Des états - Montpellier, France - Université de Montpellier

Université de Montpellier

Entreprise vérifiée

Montpellier, France

il y a 3 semaines

Posté par:

Sophie Dupont

beBee Recruiter

Description

**Inférence computationnelle des états métaboliques des cellules et des tissus // Computational inference of cell and tissue metabolic states**:

- Réf **ABG-122635**
**ADUM-55786**
- Sujet de Thèse- 11/04/2024- Contrat doctoral- Université de Montpellier- Lieu de travail- MONTPELLIER CEDEX 5 - France- Intitulé du sujet- Inférence computationnelle des états métaboliques des cellules et des tissus // Computational inference of cell and tissue metabolic states- Mots clés- biologie des systèmes, machine learning, métabolisme, maladies auto-immunes
- systems biology, machine learning, metabolism, autoimmune disease**Description du sujet**:

- Au cours du développement, les cellules animales adoptent différents états métaboliques pour soutenir la croissance, produire de l'énergie et synthétiser des molécules spécifiques. Certaines cellules différenciées dans les tissus adultes présentent des états métaboliques intrinsèquement flexibles, leur permettant de s'adapter à la disponibilité et à la demande de nutriments, comme les hépatocytes dans le foie. D'autres cellules différenciées maintiennent des états plutôt constants, comme les neurones du système nerveux central qui doivent produire des neurotransmetteurs constament. Des états métaboliques altérés sont souvent observés dans des maladies telles que le diabète, le cancer et les troubles auto-immuns. Un profilage complet des défauts métaboliques au niveau de la cellule unique est nécessaire pour identifier des biomarqueurs prédictifs et mieux comprendre les mécanismes physiopathologiques.
- Dans ce projet, nous développerons de nouveaux algorithmes pour déterminer l'état métabolique des cellules en exploitant les données de la transcriptomique bulk, en cellules uniques ou spatiale. En cas de disponibilité, des données métabolomiques quantitatives seront ajoutées aux modèles afin d'en améliorer la précision. Les méthodes employées s'appuieront sur les réseaux métaboliques à l'échelle du génome, la science des réseaux et le machine learning. Les perturbations de voies métaboliques prédites et les gènes dévoilés grâce aux algorithmes nouvellement développés seront utilisés pour construire une hypothèse de travail, qui sera ensuite testée avec des modèles biologiques pertinents grâce à une collaboration avec une équipe d'immunobiologistes. Ces échantillons modèles seront notamment analysés avec les méthodes omiques susmentionnées afin de valider l'hypothèse de travail.
- Au cours du programme de thèse, l'objectif principal sera de développer un ensemble d'outils validés pour mieux comprendre l'altération du métabolisme cellulaire en se concentrant sur les cellules immunitaires, dans le cadre de l'inflammation auto-immune dans les articulations, ainsi que dans des modèles de cancer et de cachexie.
During development, animal cells harbor different metabolic states to support growth, produce energy, and to synthesize specific products. Certain differentiated cells in adult tissues display inherently flexible metabolic states, allowing them to adapt to nutrient availability and demands such as hepatocytes in the liver. Other differentiated cells maintain rather constant states such as central nervous system neurons that need to produce neurotransmitters constantly. Altered metabolic states are often observed in diseases such as diabetes, cancer and auto-immune disorders. A comprehensive profiling of metabolic defects at the single cell level is needed to identify predictive biomarkers and better understand pathophysiological mechanisms.
- In this project, we will develop new algorithms to determine the metabolic state of cells exploiting data from bulk, single-cell and/or spatial transcriptomics. When available, quantitative metabolomic data will be added to the models to increase accuracy. The methods employed will rely on genome-scale metabolic networks, network science, and machine learning. Predicted pathways and genes unveiled thanks to the newly developed bio-informatic toolkit will be used to build a working hypothesis, which will be then biologically tested with relevant biological models thanks to a collaboration with a team of immune-biologists. Biological samples from these models will be profiles with the omics aforementioned methods to validate the working hypothesis.
- During the thesis program, the overarching goal will be to develop a validated toolkit to better understand the alteration of cell metabolism focusing on immune cells, in the setting of auto-immune triggered inflammation of the joint as well as cancer and cachexia models.
Début de la thèse : 01/10/2024**Nature du financement**:

- Contrat doctoral**Précisions sur le financement**:

- Concours pour un contrat doctoral**Présentation établissement et labo d'accueil**:

- Université de Montpellier**Etablissement délivrant le doctorat**:

- Université de Montpellier**Ecole doctorale**:

- 168 Sc