Nous recrutons des étudiants de stage M1 & M2 bioinformatique et biostatistiques en Mars 2024.

Nos propositions de stage :

STAGE 1 : Développement d’un modèle d’apprentissage ou de Machine Learning permettant de prédire la fonction biologique de protéines méconnues impliquées dans des processus physio-pathologiques.

Les processus biologiques sont régis par la fonction et l’activité d’un ensemble de protéines qui
agissent de concert au sein d’un système pour engager la cellule ou le tissu vers un objectif ou
un état à atteindre. Les fonctions des protéines d’intérêt, qui sont au coeur des programmes de
recherches actuels ou au coeur de la physio-pathogénèse d’un certain nombre de maladies, sont
souvent méconnues par manque de caractérisation expérimentale et aussi par manque d’outils
qui permettent de décrypter précisément leurs fonctions. La recherche par analogie de motifs et
de domaines protéiques systématiques et l’analyse approfondie des réseaux d’interactions pourra, en partie, donner des pistes pour identifier les partenaires ou les fonctions biologiques de ces protéines d’intérêt. L’objet de la proposition de stage est donc le développement d’un nouvel outil bio-informatique basé sur une algorithmie d’apprentissage utilisant par exemple l’alignement de structure tridimensionnel et les réseaux d’interaction comme données d’entrées pour la prédiction de fonctions moléculaires et d’activités biologiques.

STAGE 2 : Développement d’outils de catégorisation supervisé permettant la cartographie globale et dynamique de la localisation et de l’activité subcellulaire de protéines à partir de données issues de la technologie APEX (Ascorbate PEroXidase – Mass Spectrometry / Microscopy).

L’étudiant en stage participera à la mise en place des approches utilisant la technique de
marquage APEX-MS pour analyser avec une forte résolution spatiale et temporelle les
partenaires d’interactions et la localisation subcellulaire d’une protéine dans un contexte
cellulaire donné. A partir de ces données, l’étudiant devra développer des outils
bioinformatiques et statistiques pour cartographier finement la dynamique de signalisation, de
translocation ou d’action de cette protéine selon différents temps et stades d’activation. En
parallèle, l’étudiant se servira de ces données protéomiques et d’imageries confocales issues
des analyses APEX-MS pour des protéines de référence pour constituer une base de données
permettant, in fine, de développer un modèle d’apprentissage (Machine Learning) pour la
prédiction de fonctions moléculaires pour des protéines inconnues.

Encadrant(e) pressenti(e): Maillasson Mike
Email : mike.maillasson@univ-nantes.fr