Inscrivez vous à un sujet de thèse.
Cette Recherche appliquant des techniques d’apprentissage automatique au Big Data de séquençage de nouvelle génération pour améliorer les résultats des patients atteints de cancer de la prostate.
Université Doctorants autofinancés uniquement Doctorants autofinancés uniquement.
- Envoyez un courriel maintenant
- Faculté de médecine et des sciences de la santé, Université.
- projet de doctorat
Description du projet
Le cancer de la prostate (PCa) est le deuxième cancer le plus fréquent chez les hommes dans le monde et on estime que 344 000 hommes meurent chaque année du PCa dans le monde.
La progression du PCa est très variable, certains cancers restant dormants pendant de nombreuses années tandis que d’autres progressent rapidement. L’évaluation des risques au moment du diagnostic est une étape critique dans la gestion de la maladie, déterminant si le cancer est simplement surveillé ou s’il y a une intervention radicale par prostatectomie ou radiothérapie.
Malheureusement, il n’existe actuellement aucune approche complètement fiable pour prédire quelles tumeurs vont progresser et tuer le patient.
La dernière décennie a vu une explosion de la quantité de données in silico mondiales, ce qui a conduit au développement de nouveaux outils et techniques pour les utiliser de manière optimale. Dans la recherche médicale, la quantité de données disponibles a rapidement augmenté avec l’introduction du séquençage de nouvelle génération. Le Groupe international du cancer de la prostate (PPCG) a produit un ensemble de données sans précédent sur plus de 2000 hommes atteints de PCa.
Cela comprend le séquençage du génome entier, la méthylation, le transcriptome, les informations cliniques et histopathologiques.
En appliquant des techniques d’apprentissage automatique de pointe aux multiples couches de données cliniques et moléculaires disponibles à partir du PPCG, vous contribuerez à construire un prédicteur amélioré des maladies agressives, à révéler de nouveaux sous-types de PCa et à mieux comprendre l’étiologie du PCa.
Il s’agit d’un doctorat basé sur la bioinformatique / l’analyse des données. Au cours de la thèse, vous acquerrez des connaissances sur la façon de traiter les «Big Data», le calcul haute performance, le développement de pipelines et les analyses statistiques.
Vous ferez partie de l’équipe de génétique du cancer a Mopntpellier, qui est une équipe interdisciplinaire comprenant un mélange de bioinformaticiens et de scientifiques en laboratoire. Nous avons un grand intérêt pour les études moléculaires translationnelles basées sur le cancer dans le but d’améliorer les soins aux patients.
La recherche comprend le développement de biomarqueurs à base d’urine, des études de séquençage du génome entier, la détection de sous-types de cancer et des bactéries dans les études sur le cancer.
Ceci est un programme de doctorat.
La date de début de ce projet est le 1er avril 2020, le 1er juillet 2020 ou le 1er octobre 2020.
Le mode d’étude est à temps plein. La durée de la bourse est de 4 ans (3 ans dont 1 an pour l’inscription).
Conditions d’admission:
Premier diplôme acceptable en informatique, physique, mathématiques, ingénierie, sciences biologiques, biochimie, sciences biomédicales.
L’exigence minimale d’entrée standard est 2: 1 ou Master.
Veuillez noter: les demandes sont traitées dès leur réception et le projet peut être rempli avant la date de clôture, donc une demande précoce est encouragée.
Notes de financement
Ce projet de doctorat est proposé sur une base d’autofinancement. Il est ouvert aux candidats financés ou à ceux qui sollicitent des sources de financement. Les détails des frais de scolarité peuvent être consultés sur le site Web .
Un frais de banc peut également être payable en plus des frais de scolarité pour couvrir l’équipement spécialisé ou les frais de laboratoire nécessaires à la recherche. Le montant facturé annuellement variera considérablement en fonction de la nature du projet et les candidats doivent contacter le superviseur principal pour plus d’informations sur les frais associés au projet.
Les références
- Wedge, DC et al. Le séquençage des cancers de la prostate identifie de nouveaux gènes cancéreux, des voies de progression et des cibles médicamenteuses. Nat. Genet. 50, 682–692 (2018).
- Luca, B. et al. DESNT: A Poor Prognosis Category of Human Prostate Cancer. EUR. Urol. Focus 4, 842–850 (2018).
- Lalonde, E. et al. Hétérogénéité génomique et microenvironnementale des tumeurs pour la prédiction intégrée de la récidive biochimique à 5 ans du cancer de la prostate: une étude de cohorte rétrospective. Lancet Oncol 15, 1521-1532 (2014).
- Gerhauser, C. et al. L’évolution moléculaire du cancer de la prostate à début précoce identifie de nouveaux marqueurs de risque moléculaire et des trajectoires cliniques. Cellule cancéreuse 996-1011 (2018). doi: 10.1016 / j.ccell.2018.10.016
- Gundem, G. et al. L’histoire évolutive du cancer de la prostate métastatique mortel. Nature 520, 353–357 (2015).
Envoyez un courriel maintenant
Sujets connexes
- Physique appliquée
- Bioinformatique
- Biophysique
- Cancer / oncologie
- Informatique et informatique
- L’analyse des données
- La génétique
- Mathématiques
- Statistiques
- Physique théorique
Envoyez un courriel maintenant
