14:00
17:00

Depuis quelques années, la production de données en biologie connaît un essor sans précédent, provoqué par le développement des techniques de séquençage à haut débit, dont le périmètre d'application ne cesse de s’élargir. Les nouvelles technologies de séquençage ciblant spécifiquement une seule cellule (``single-cell'') en sont un exemple. En cancérologie, ces nouvelles données sont cruciales pour améliorer notre compréhension du développement et de l'hétérogénéité d'une tumeur, grâce à l'identification des différents types (ou états) cellulaires qui la composent. A l'échelle d'un patient, une cartographie compréhensible de cette hétérogénéité ouvre la voie à de nouvelles thérapies de médecine personnalisée. La caractérisation de cette hétérogénéité cellulaire nécessite d'exploiter des méthodes automatiques ou manuelles, afin de proposer l'annotation d'une cellule individuelle (ou d'un groupe de cellules similaires), sur la base de l'expression de ses gènes. Dans ce contexte, le projet de cette thèse vise à développer de nouvelles méthodes d'annotation de données single-cell, à l'intersection de plusieurs disciplines, telles que la bioinformatique et l'informatique (représentation des connaissances et visualisation, notamment). 

Amphi LaBRI