POSTE : Alternance Biostatisticien H/F DESCRIPTION : Nous sommes un groupe pharmaceutique à dimension humaine, international et indépendant, gouverné par une Fondation. Notre modèle, singulier, fait notre fierté mais, surtout, nous permet de servir pleinement notre vocation : « engagés pour le progrès thérapeutique au bénéfice des patients ». Aujourd'hui leader mondial en cardiologie, nous avons choisi de devenir un acteur focalisé et innovant en oncologie d'ici 2030, en ciblant des cancers difficiles à traiter et en y consacrant plus de 70 % de notre budget R&D. Un défi que nous poursuivons en parallèle du développement de notre activité générique pour un accès à des soins de qualité pour tous, et à moindre coût. Nous ? 21 900 passionnés de plus de 50 nationalités, portés par un esprit d'entreprenariat. Chaque jour nous avançons avec et pour les patients, avec et pour nos équipes, portés par l'envie de prendre soin, d'oser, de nous développer, de nous engager pour être utiles à celles et ceux qui en ont besoin. Venez vivre et contribuez à faire vivre notre engagement #MovedByYou https://servier.com/groupe/ Vous êtes à la recherche d'une opportunité pour développer vos compétences et contribuer à des projets engagés et innovants? Votre mission/impact : En tant que Biostatisticien, vous participerez activement au développement et l'implémentation de modèle in silico, dans un contexte innovant intégrant les jumeaux numériques, une technologie qui vise à créer des répliques virtuelles de patients en se basant sur des données biomédicales et cliniques afin d'optimiser les essais cliniques. La génération de patients virtuels à l'aide de modèles QSP (Quantitative Systems Pharmacology) constitue une avancée majeure en médecine de précision. Ces modèles, basés sur des systèmes d'équations différentielles, permettent de simuler l'efficacité des traitements sur des populations hétérogènes, réduisant ainsi la nécessité d'essais cliniques longs et coûteux. Dans ce contexte, nous avons développé un modèle QSP dédié au lupus érythémateux systémique (LES), conçu pour évaluer l'efficacité de quatre traitements différents. À partir de ce modèle, une cohorte de patients virtuels (Vpop1) a été générée, chacun présentant des caractéristiques biologiques distinctes afin de mieux représenter la diversité de la population réelle. Dans ce contexte, l'alternance portera sur l'utilisation de patients virtuels générés par un modèle QSP afin d'améliorer les méthodologies des essais cliniques et d'optimiser la prise de décision dans divers cas d'usage : 1. Identification de biomarqueurs pour la stratification des patients - Identifier des biomarqueurs candidats permettant de stratifier les patients de Vpop1 et de prédire les meilleurs répondeurs aux traitements. - Évaluer l'amélioration des modèles d'apprentissage automatique pour l'identification de biomarqueurs en enrichissant les ensembles d'entraînement avec des patients virtuels supplémentaires générés à partir du modèle QSP. Cette augmentation visera à accroître à la fois le volume et la diversité des données. 2. Évaluation de la faisabilité d'un bras de contrôle externe - Examiner si les patients virtuels peuvent efficacement reproduire un bras de contrôle dans les essais cliniques. - Associer les patients virtuels aux participants d'essais cliniques historiques afin de valider cette approche. 3. Conception d'essais cliniques in silico pour affiner les protocoles d'étude - Explorer l'impact d'une augmentation de la posologie sur la réponse au traitement dans des sous-groupes spécifiques de patients, nécessitant la génération de simulations supplémentaires à partir du modèle QSP. Votre profil : Nous recherchons un(e) étudiant(e) passionné(e) par les statistiques avancées et la modélisation mécanistique, avec une forte envie d'apprendre et de s'investir dans un environnement dynamique. Compétences requises : - Master en ingénierie mathématique/biomédicale, biologie computationnelle, bioinformatique, - Connaissance de la biologie des systèmes, de la modélisation des systèmes dynamiques - La maîtrise de R et de Matlab est requise - Expérience pratique avec des méthodes de machine learning (Lasso, randomforest, xgboost,) - Bonne communication orale et écrite en anglais - Excellentes compétences en communication et capacité à travailler dans un environnement multidisciplinaire. - Pourquoi nous rejoindre? #HappyTrainees Nos étudiants sont nos meilleurs ambassadeurs. Nous sommes 1er au classement France HappyTrainees et de nouveau 2ème au classement mondial HappyTrainees 2024. Epanouissem