• Réduire le texte

    Réduire le texte
  • Rétablir taille du texte

    Rétablir taille du texte
  • Augmenter le texte

    Augmenter le texte
  • Imprimer

    Imprimer
Stage master : analyse de donnees metabolomiques et genomiques pour resoudre un probleme de bien-être animal (h/f)
Référence
1541410939
Date limite pour postuler
31/12/2018
Date de publication
05/11/2018

Caractéristiques

Précision sur la nature du contrat
Stage
Durée du contrat
duree 3 mois (si M1) - 4 a 6 mois (si M2)
Date de début de contrat
01/03/2019

Rémunération
environ 550 euros par mois
Domaine professionnel
Informatique, statistiques et calcul scientifique

Affectation

Nom de l'unité d'affectation
UR0875 MIAT Mathématiques et Informatique Appliquées Toulouse
Adresse de l'unité d'affectation
INRA Auzeville 24 chemin de Borde-Rouge - Auzeville CS 52627 31326 CASTANET-TOLOSAN CEDEX
Région de l'unite d'affectation
Occitanie

Descriptif

Environnement de travail

Problématique du stage

La mortalité chez les jeunes cochons est un problème social et éthique lie au bien-être animal. L'augmentation du nombre de cochons par portée a et accompagnée, ces dernières années, d'une hausse de la mortalité a la naissance de l'ordre de 10/20 %. Ce stage s'inscrit dans le cadre du projet SubPig dont le but est de comprendre et d'essayer de réduire cette surmortalité. Plus précisément, le projet SubPig vise a proposer une nouvelle stratégie pour trouver des biomarqueurs indicateur d'un sur-risque de mortalité mais aussi du statut métabolique des nouveau-nés. Pour cela, de nombreux prélèvements (sang, plasma, urine) ont et réalises sur des portées tests. Ces prélèvements ont ensuite et analyses biologiquement et ont produit des données métaboliques (renseignant sur les métabolites présents dans les échantillons collectes) et génomiques.

L'objectif de ce stage est de procéder a l'analyse statistique de ces données a n d'extraire les éventuels métabolites et gènes d'intérêt pour le biologiste.

Travail à effectuer

Ce stage s'inscrit dans la suite d'une série de travaux effectues récemment a l'INRA, que ce soit sur le développement de nouvelles méthodes statistiques d'analyse des données métaboliques [2] et génomiques [1] ou sur l'analyse biologique de ce type de résultats sur les porcelets [3].

L'étudiant aura pour première tâche de s'approprier ces données, les méthodes d'analyse statistique (basée sur de des analyses factorielles, des tests type analyse de variance et/ou des régressions linéaires et PLS) ainsi que les outils pour faire ces analyses. Dans un second temps, l'étudiant devra analyser les données du projet et faire émerger d'éventuels biomarqueurs d'intérêt pour les biologistes. Enfin, l'étudiant pourra, selon le temps imparti, pousser l'analyse et l'intégration des données jusqu'à une publication scientifique avec les biologistes du projet.

L'implémentation des méthodes ainsi que le travail d'analyse seront effectuées à l'aide du logiciel R et des packages/routines déjà développés par l'équipe d'encadrement du stage.

Réferences

[1]  M. Marti-Marimon, N. Vialaneix, V. Voillet, M. Yerle-Bouissou, Y. Lahbib-Mansais, and L. Liaubet. A new approach of gene co-expression network inference reveals signi cant biological processes involved in porcine muscle development in late gestation. Scienti c Report, 8 :10150, 2018.

[2]  P. Tardivel, C. Canlet, G. Lefort, M. Tremblay-Franco, L. Debrauwer, D. Concordet, and R. Servien. ASICS : an automatic method for identi cation and quanti cation of metabolites in complex 1D 1H NMR spectra. Metabolo-mics, 13(10) :109, 2017.

[3]  Y. Yao, V. Voillet, ..., L. Liaubet, and I. Le Hu•erou-Luron. Comparing the intestinal transcriptome of Meishan and Large White piglets during late fetal development reveals genes involved in glucose and lipid metabolism and immunity as valuable clues of intestinal maturity. BMC Genomics, 18(1) :647, 2017.

Formations et compétences attendues

Profil recherché

Master 1 ou Master 2 en mathématiques appliquées ou équivalent en école d'ingénieur ;maîtrise de R ;

Bonnes connaissances théoriques en statistiques, machine learning ;

Aucune connaissance préalable en biologie n'est nécessaire mais un goût pour ce domaine applique serait un plus.

encadrement Gaelle Lefort, Laurence Liaubet, Remi Servien, Nathalie Vialaneix

Contact

Nom
Nathalie Vialaneix
Email
subpig@nathalievialaneix.eu