Présentation de la structure : Le Laboratoire Jean Kuntzmann (LJK) est une unité mixte de recherche du CNRS, de l'Université Grenoble Alpes (UGA), de l'Institut Grenoble Institut d'Ingénierie (INP) et de l'Institut National de Recherche en Sciences et Technologies du Numérique (Inria). Le LJK axe ses recherches sur l'informatique et les mathématiques appliquées. Missions principales : Vous intégrerez le département Data du LJK CNRS (https://www-ljk.imag.fr/spip.php?article23) et à l'équipe d'optimisation DAO (https://dao-ljk.imag.fr/). Les progrès récents en matière de prédiction de la structure des protéines ont démontré que les modèles protéiques peuvent désormais atteindre des niveaux de précision quasi expérimentaux sans précédent (1-2). Dans ce contexte, la modélisation des interactions protéiques et de leur variabilité dans les cellules vivantes est devenue plus cruciale que jamais (3-5). Vous développerez des architectures d'apprentissage profond multimodales pour la prédiction des interactions protéine-lipide. Nous utiliserons plusieurs représentations et affinerons des modèles pré-entraînés sur des jeux de données sélectionnés manuellement. Nous pourrions tester les prédictions expérimentalement avec nos collègues. References : (1) Jumper, John, et al. "Highly accurate protein structure prediction with AlphaFold." Nature 596.7873 (2021): 583-589. (2) Baek, Minkyung, et al. "Accurate prediction of protein structures and interactions using a three-track neural network." Science 373.6557 (2021): 871-876. (3) Vakser IA, Grudinin S, Jenkins NW, Kundrotas PJ, Deeds EJ. Docking-based long timescale simulation of cell-size protein systems at atomic resolution. Proceedings of the National Academy of Sciences. 2022 Oct 11;119(41):e2210249119. Activités principales : - Développement de nouveaux algorithmes et architectures de réseaux pour la biologie structurale intégrative - Développement d'outils logiciels utilisés dans la communauté - Collaboration avec des collègues expérimentaux sur leurs données - Rédaction de rapports techniques et de manuscrits - Préparation de tutoriels et enseignement aux utilisateurs Compétences complémentaires demandées : - Nous recherchons des personnes créatives, passionnées et travailleuses, issues d'une formation en mathématiques appliquées et en informatique, possédant un talent certain pour l'informatique et les mathématiques et un intérêt pour la biologie - Expérience préalable en entraînement d'architectures multimodales avec PyTorch - Excellentes compétences en communication interpersonnelles