Le développement embryonnaire précoce transforme un petit nombre de cellules en une structure multicellulaire organisée, robuste et reproductible. Ce projet de thèse vise à comprendre comment des décisions cellulaires locales, fondées sur l’état interne des cellules, leur voisinage, la signalisation et la mécanique du tissu, peuvent produire des trajectoires morphogénétiques complexes.
Le projet combinera modélisation physique des tissus, apprentissage par renforcement multi-agent et théorie de l’information. Les cellules seront représentées comme des agents capables de percevoir certaines informations locales et d’adapter leur comportement, par exemple leur division, leur polarité, leur adhésion, leur tension ou leur signalisation. L’objectif sera d’explorer quelles règles locales permettent de générer des formes embryonnaires robustes, et comment quantifier la complexité, l’information et la reproductibilité des trajectoires de développement.
La thèse s’appuiera sur des modèles mécanochimiques et des données issues de systèmes embryonnaires complémentaires, notamment l’ascidie, modèle de développement très invariant, et l’embryon de souris, plus variable. Le projet vise à développer un cadre computationnel général pour étudier l’émergence de la forme embryonnaire à partir de l’interaction entre gènes, mécanique, signalisation et décisions cellulaires.
Le ou la doctorant·e rejoindra l'équipe Multiscale Physics of Morphogenesis, dirigée par Hervé Turlier, au Centre de Biologie Intégrative de Toulouse, CNRS UMR5077 / Université de Toulouse.
L'équipe développe des modèles physiques, computationnels et d'apprentissage automatique pour comprendre comment les formes embryonnaires émergent de l'interaction entre mécanique cellulaire, signalisation, régulation génique et décisions collectives. Le projet bénéficiera d'un environnement fortement interdisciplinaire, au contact de biologistes, physicien·nes, mathématicien·nes appliqué·es et spécialistes de l'intelligence artificielle.
Le projet s'appuiera sur des collaborations expérimentales établies en France et à l'étranger.
Le ou la doctorant·e aura accès aux ressources de calcul de l'équipe, aux infrastructures du laboratoire et à un réseau de collaborations nationales et internationales. L'équipe s'engage à offrir un environnement de travail bienveillant, inclusif et ouvert à la diversité des parcours scientifiques.
Compétences attendues :
- Master 2, diplôme d'ingénieur ou équivalent en physique, mathématiques appliquées, informatique scientifique, ou apprentissage automatique.
- Solide goût pour la modélisation mathématique et numérique.
- Excellentes compétences en programmation scientifique, idéalement en Python et éventuellement C++.
- Expérience avec un environnement moderne de calcul scientifique ou de machine learning, par exemple PyTorch, JAX, NumPy, SciPy ou équivalent.
- Curiosité scientifique et goût pour les questions fondamentales.
- Autonomie, rigueur et capacité à explorer des directions nouvelles.
Aucun risque particulier identifié. Temps complet. Télétravail possible selon les règles en vigueur et l’organisation du projet.
La rémunération est d'un minimum de 2300,00 € mensuel
44 jours
Pratique et indemnisation du TT
Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€
Référence de l’offre
UMR5077-HERTUR-003
Section(s) CN / Domaine de recherche
Mathématiques et interactions des mathématiques
Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.
Le CNRS
Les métiers de la recherche
