Publiée 25 juillet 2026
Doctorant F/H Calcul des voies métaboliques intercellulaires pour les communautés microbiennes
Inria
Villeurbanne, Auvergne-Rhône-Alpes 69100, France
CDI
A propos du centre ou de la direction fonctionnelle
Le centre Inria de Lyon est le 9ème centre de recherche Inria. Créé en janvier 2022, il regroupe environ 410 personnes au sein de 20 équipes de recherche et des services supports à la recherche.
Ses équipes sont localisées à Villeurbanne, à Lyon Gerland, Lyon Bron ainsi qu'à Saint-Etienne.
Le centre de Lyon est présent dans les domaines du logiciel, du calcul distribué et haute performance, des systèmes embarqués, du calcul quantique et de respect de la vie privée dans le monde numérique, mais aussi de la santé et de la biologie numériques.
Contexte et atouts du poste
Dans le cadre d'un partenariat (vous pouvez choisir entre)
L' objectif est de
Le/la doctorant(e) développera un programme de modélisation robuste et automatisé permettant la construction, l'analyse et la comparaison systématiques de modèles de communautés microbiennes. Cela facilitera l'étude ultérieure d'autres consortiums, en rendant possible la génération et l'analyse de nouveaux modèles de manière simple et évolutive.
Des déplacements réguliers sont prévus pour ce poste ? Le/la doctorant(e) aura accès au laboratoire LBBE, aura un badge d'accès, un bureau et un ordinateur. Elle fera des visites régulières dans l'équipe de Wolfram Liebermeister (Maiage, INRAE Jouy-en-Josas).
En termes de ressources matérielles, le doctorant disposera d'une station de calcul haute performance adaptée aux tâches intensives de modélisation et d'analyse de données.
Mission confiée
Missions :
La personne recrutée sera amenée à effectuer un doctorat codirigée par S. Peres, W. Liebermeister et Alberto Tonda
Pour une meilleure connaissance du sujet de recherche proposé :
Les communautés microbiennes jouent un rôle central dans de nombreux processus naturels et artificiels, notamment les écosystèmes du sol, la santé humaine et la production alimentaire. Malgré leur importance, notre capacité à prédire, contrôler et concevoir rationnellement ces communautés demeure limitée. La plupart des approches de modélisation existantes reposent soit sur des observations empiriques, soit sur des cadres d'analyse par contraintes, tels que l'analyse des flux métaboliques, qui supposent généralement une fonction objectif prédéfinie au niveau de la communauté ou de l'organisme. De ce fait, ces approches n'offrent qu'une vision partielle de la diversité des interactions métaboliques possibles et des mécanismes sous-jacents à la structure et à la stabilité des communautés. Ce projet vise à développer un nouveau cadre informatique pour l'analyse systématique et mécaniste des communautés microbiennes, basé sur le concept de modes élémentaires de flux de communauté (ECFM). Les ECFMs étendent la notion de modes de flux élémentaires (EFMs) du métabolisme d'un seul organisme aux systèmes multi-espèces. Les EFMs constituent un cadre puissant pour l'analyse exhaustive du réseau métabolique d'un organisme en identifiant toutes les voies minimales possibles au sein du système. Les ECFM décrivent des ensembles minimaux d'activités métaboliques coordonnées entre plusieurs organismes, permettant une fonction donnée au niveau de la communauté, sans supposer d'optimalité. Ceci les rend particulièrement adaptés à l'exploration des interactions métaboliques possibles et à la mise en évidence de la coopération et de la compétition microbiennes. L'application des ECFM s'est jusqu'à présent limitée à de petits systèmes de validation de principe en raison d'importants défis de calcul.
L'objectif principal de ce projet doctoral est d'étendre cette analyse basée sur les EFM à des communautés microbiennes réalistes en s'attaquant aux principaux obstacles méthodologiques et de calcul. Le projet s'appuiera sur nos travaux antérieurs sur l'énumération des modes de flux élémentaires par programmation logique, ainsi que sur une collaboration existante avec l'INRAE concernant la liaison des flux métaboliques aux coøts enzymatiques et aux taux de croissance. De plus, leur expertise en optimisation et en intelligence artificielle contribuera au développement de stratégies d'exploration évolutives pour de vastes espaces combinatoires. Un premier volet du projet sera consacré au développement d'algorithmes pour le calcul des ECFM dans les réseaux métaboliques multi-espèces. En nous appuyant sur les approches de programmation par ensembles de réponses précédemment appliquées à des systèmes mono-organismes, nous concevrons des méthodes pour énumérer et filtrer les ECFM en tenant compte de contraintes biologiquement pertinentes, notamment la faisabilité thermodynamique et les limitations de ressources. Un second volet sera consacré à l'analyse et à l'interprétation de grands ensembles de modèles de flux d'équilibre (ECFM). Le nombre de modes possibles pouvant croître de manière combinatoire avec la taille du réseau, l'énumération brute seule est insuffisante. Nous développerons donc des méthodes pour caractériser les ECFM à partir de caractéristiques biologiques interprétables, telles que l'utilisation des substrats, les profils d'échange de métabolites et les propriétés énergétiques ou thermodynamiques. Ces représentations permettront de définir des mesures de similarité entre les ECFM et de construire des représentations structurées (par exemple, des graphes) qui rendent compte de l'organisation de l'espace des solutions. Des techniques d'apprentissage automatique, notamment des méthodes de clustering et de réduction de dimensionnalité, seront utilisées pour obtenir des résumés concis et informatifs des espaces d'ECFM et pour orienter leur exploration vers des régions biologiquement pertinentes.
Collaboration :
• Supervisors: S. Peres, INRIA (co-directrice); W. Liebermeister, INRAE (co-directeur); Alberto Tonda,
INRAE (co-encadrant; Envisaged co-supervisor (co-encadrant): Alberto Tonda, MIA-Saclay, INRAE;
machine learning, evolutionary optimization algorithms)
• Experimental collaborators: Francoise Irlinger, Sandra Helinck, Eric Dugat-Bony (Équipe CoMiAl, UMR
SayFood, INRAE)
• External collaborators: Jürgen Zanghellini and Diana Széliová, University of Vienna, Austria
(Expertise: elementary flux modes for microbial communities)
Principales activités
Principales activés (5 maximum) :
Activités complémentaires (3 maximum) :
Compétences
Compétences techniques et niveau requis : master en bioinformatique - connaissance en modélisation du métabolisme - bon niveau en programmation
Langues : (français), anglais
Compétences additionnelles appréciées : programmation par contraintes, programmation linéaire, programmation logique
Avantages
Rémunération
2300 euros brut /mois
Le centre Inria de Lyon est le 9ème centre de recherche Inria. Créé en janvier 2022, il regroupe environ 410 personnes au sein de 20 équipes de recherche et des services supports à la recherche.
Ses équipes sont localisées à Villeurbanne, à Lyon Gerland, Lyon Bron ainsi qu'à Saint-Etienne.
Le centre de Lyon est présent dans les domaines du logiciel, du calcul distribué et haute performance, des systèmes embarqués, du calcul quantique et de respect de la vie privée dans le monde numérique, mais aussi de la santé et de la biologie numériques.
Contexte et atouts du poste
Dans le cadre d'un partenariat (vous pouvez choisir entre)
- collaboration ERABLE INRIA Lyon, MAIAGE INRAE Jouy-en-Josas et MIA INRAE Paris-Saclay
L' objectif est de
Le/la doctorant(e) développera un programme de modélisation robuste et automatisé permettant la construction, l'analyse et la comparaison systématiques de modèles de communautés microbiennes. Cela facilitera l'étude ultérieure d'autres consortiums, en rendant possible la génération et l'analyse de nouveaux modèles de manière simple et évolutive.
Des déplacements réguliers sont prévus pour ce poste ? Le/la doctorant(e) aura accès au laboratoire LBBE, aura un badge d'accès, un bureau et un ordinateur. Elle fera des visites régulières dans l'équipe de Wolfram Liebermeister (Maiage, INRAE Jouy-en-Josas).
En termes de ressources matérielles, le doctorant disposera d'une station de calcul haute performance adaptée aux tâches intensives de modélisation et d'analyse de données.
Mission confiée
Missions :
La personne recrutée sera amenée à effectuer un doctorat codirigée par S. Peres, W. Liebermeister et Alberto Tonda
Pour une meilleure connaissance du sujet de recherche proposé :
Les communautés microbiennes jouent un rôle central dans de nombreux processus naturels et artificiels, notamment les écosystèmes du sol, la santé humaine et la production alimentaire. Malgré leur importance, notre capacité à prédire, contrôler et concevoir rationnellement ces communautés demeure limitée. La plupart des approches de modélisation existantes reposent soit sur des observations empiriques, soit sur des cadres d'analyse par contraintes, tels que l'analyse des flux métaboliques, qui supposent généralement une fonction objectif prédéfinie au niveau de la communauté ou de l'organisme. De ce fait, ces approches n'offrent qu'une vision partielle de la diversité des interactions métaboliques possibles et des mécanismes sous-jacents à la structure et à la stabilité des communautés. Ce projet vise à développer un nouveau cadre informatique pour l'analyse systématique et mécaniste des communautés microbiennes, basé sur le concept de modes élémentaires de flux de communauté (ECFM). Les ECFMs étendent la notion de modes de flux élémentaires (EFMs) du métabolisme d'un seul organisme aux systèmes multi-espèces. Les EFMs constituent un cadre puissant pour l'analyse exhaustive du réseau métabolique d'un organisme en identifiant toutes les voies minimales possibles au sein du système. Les ECFM décrivent des ensembles minimaux d'activités métaboliques coordonnées entre plusieurs organismes, permettant une fonction donnée au niveau de la communauté, sans supposer d'optimalité. Ceci les rend particulièrement adaptés à l'exploration des interactions métaboliques possibles et à la mise en évidence de la coopération et de la compétition microbiennes. L'application des ECFM s'est jusqu'à présent limitée à de petits systèmes de validation de principe en raison d'importants défis de calcul.
L'objectif principal de ce projet doctoral est d'étendre cette analyse basée sur les EFM à des communautés microbiennes réalistes en s'attaquant aux principaux obstacles méthodologiques et de calcul. Le projet s'appuiera sur nos travaux antérieurs sur l'énumération des modes de flux élémentaires par programmation logique, ainsi que sur une collaboration existante avec l'INRAE concernant la liaison des flux métaboliques aux coøts enzymatiques et aux taux de croissance. De plus, leur expertise en optimisation et en intelligence artificielle contribuera au développement de stratégies d'exploration évolutives pour de vastes espaces combinatoires. Un premier volet du projet sera consacré au développement d'algorithmes pour le calcul des ECFM dans les réseaux métaboliques multi-espèces. En nous appuyant sur les approches de programmation par ensembles de réponses précédemment appliquées à des systèmes mono-organismes, nous concevrons des méthodes pour énumérer et filtrer les ECFM en tenant compte de contraintes biologiquement pertinentes, notamment la faisabilité thermodynamique et les limitations de ressources. Un second volet sera consacré à l'analyse et à l'interprétation de grands ensembles de modèles de flux d'équilibre (ECFM). Le nombre de modes possibles pouvant croître de manière combinatoire avec la taille du réseau, l'énumération brute seule est insuffisante. Nous développerons donc des méthodes pour caractériser les ECFM à partir de caractéristiques biologiques interprétables, telles que l'utilisation des substrats, les profils d'échange de métabolites et les propriétés énergétiques ou thermodynamiques. Ces représentations permettront de définir des mesures de similarité entre les ECFM et de construire des représentations structurées (par exemple, des graphes) qui rendent compte de l'organisation de l'espace des solutions. Des techniques d'apprentissage automatique, notamment des méthodes de clustering et de réduction de dimensionnalité, seront utilisées pour obtenir des résumés concis et informatifs des espaces d'ECFM et pour orienter leur exploration vers des régions biologiquement pertinentes.
Collaboration :
• Supervisors: S. Peres, INRIA (co-directrice); W. Liebermeister, INRAE (co-directeur); Alberto Tonda,
INRAE (co-encadrant; Envisaged co-supervisor (co-encadrant): Alberto Tonda, MIA-Saclay, INRAE;
machine learning, evolutionary optimization algorithms)
• Experimental collaborators: Francoise Irlinger, Sandra Helinck, Eric Dugat-Bony (Équipe CoMiAl, UMR
SayFood, INRAE)
• External collaborators: Jürgen Zanghellini and Diana Széliová, University of Vienna, Austria
(Expertise: elementary flux modes for microbial communities)
Principales activités
Principales activés (5 maximum) :
- Formaliser le problème de Elementary Community Modes
- Développer des algorithmes de calcul pour déterminer des solutions d'intérêts (optimisation et IA)
- Implémentation et évaluation des méthodes
- Évaluation de la pertinence biologique des résultats sur la production d'aliments fermentés
Activités complémentaires (3 maximum) :
- Développer des programmes/ des applications
- Rédiger les rapports et articles
Compétences
Compétences techniques et niveau requis : master en bioinformatique - connaissance en modélisation du métabolisme - bon niveau en programmation
Langues : (français), anglais
Compétences additionnelles appréciées : programmation par contraintes, programmation linéaire, programmation logique
Avantages
- Restauration subventionnée
- Transports publics remboursés partiellement
- Congés : 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
- Possibilité de télétravail (90 jours par an flottants) et aménagement du temps de travail
- Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
- Accès à la formation professionnelle
- Mutuelle et prévoyance avec participation employeur
Rémunération
2300 euros brut /mois
