EXPLORATION DES INTERACTIONS GÉNOMIQUES HÔTE–PATHOGÈNE // EXPLORING HUMAN - PATHOGEN GENOMIC INTERACTIONS
|
ABG-137250
ADUM-72792 |
Thesis topic | |
| 2026-03-27 | Public funding alone (i.e. government, region, European, international organization research grant) |
Université de Montpellier
MONTPELLIER CX 5 - Occitanie - France
EXPLORATION DES INTERACTIONS GÉNOMIQUES HÔTE–PATHOGÈNE // EXPLORING HUMAN - PATHOGEN GENOMIC INTERACTIONS
- Mathematics
épidémiologie génétique, maladie infectieuse, dengue, interactions hote-pathogene
genetic epidemiology, infectious diseases, dengue, host-pathogen interaction
genetic epidemiology, infectious diseases, dengue, host-pathogen interaction
Topic description
Ce projet de thèse vise à mieux comprendre les interactions génomiques entre l'hôte humain et les pathogènes, un élément clé des dynamiques de coévolution. À l'échelle génétique, ces interactions reposent sur des effets génotype × génotype (G×G), où les variations génétiques de l'hôte influencent sa résistance, tandis que celles du pathogène déterminent son infectivité. Toutefois, l'identification de ces interactions reste un défi méthodologique majeur, en raison de la complexité des architectures génétiques et des interactions épistatiques.
L'objectif principal de cette thèse est de développer de nouveaux modèles statistiques et mathématiques permettant de détecter et de caractériser les interactions G×G entre les génomes humains et pathogènes. En particulier, le projet propose d'aller au-delà des approches classiques de type co-GWAS, souvent trop conservatrices, en introduisant des méthodes innovantes fondées sur des matrices d'infection, des modèles à effets mixtes et des approches bayésiennes. Ces outils permettront d'intégrer de manière plus fine les traits biologiques et les structures de population, tout en améliorant la puissance de détection des interactions.
Dans un premier temps, un cadre théorique sera développé à partir de données simulées afin d'évaluer les performances des méthodes proposées et de les comparer aux approches existantes. Dans un second temps, ces méthodes seront appliquées à des données réelles issues d'environ 1 000 patients infectés par le virus de la dengue. L'objectif sera d'identifier les gènes humains et viraux impliqués dans la pathogenèse, ainsi que leurs interactions spécifiques.
Les résultats attendus incluent une meilleure compréhension des mécanismes biologiques gouvernant l'infection et la réponse immunitaire, ainsi que l'identification de cibles potentielles pour le développement de vaccins et de thérapies. Plus largement, ce projet contribuera à améliorer la compréhension des dynamiques de coévolution hôte–pathogène et à renforcer les approches quantitatives en santé publique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Ce projet de thèse vise à mieux comprendre les interactions génomiques entre l'hôte humain et les pathogènes, un élément clé des dynamiques de coévolution. À l'échelle génétique, ces interactions reposent sur des effets génotype × génotype (G×G), où les variations génétiques de l'hôte influencent sa résistance, tandis que celles du pathogène déterminent son infectivité. Toutefois, l'identification de ces interactions reste un défi méthodologique majeur, en raison de la complexité des architectures génétiques et des interactions épistatiques.
L'objectif principal de cette thèse est de développer de nouveaux modèles statistiques et mathématiques permettant de détecter et de caractériser les interactions G×G entre les génomes humains et pathogènes. En particulier, le projet propose d'aller au-delà des approches classiques de type co-GWAS, souvent trop conservatrices, en introduisant des méthodes innovantes fondées sur des matrices d'infection, des modèles à effets mixtes et des approches bayésiennes. Ces outils permettront d'intégrer de manière plus fine les traits biologiques et les structures de population, tout en améliorant la puissance de détection des interactions.
Dans un premier temps, un cadre théorique sera développé à partir de données simulées afin d'évaluer les performances des méthodes proposées et de les comparer aux approches existantes. Dans un second temps, ces méthodes seront appliquées à des données réelles issues d'environ 1 000 patients infectés par le virus de la dengue. L'objectif sera d'identifier les gènes humains et viraux impliqués dans la pathogenèse, ainsi que leurs interactions spécifiques.
Les résultats attendus incluent une meilleure compréhension des mécanismes biologiques gouvernant l'infection et la réponse immunitaire, ainsi que l'identification de cibles potentielles pour le développement de vaccins et de thérapies. Plus largement, ce projet contribuera à améliorer la compréhension des dynamiques de coévolution hôte–pathogène et à renforcer les approches quantitatives en santé publique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/2026
L'objectif principal de cette thèse est de développer de nouveaux modèles statistiques et mathématiques permettant de détecter et de caractériser les interactions G×G entre les génomes humains et pathogènes. En particulier, le projet propose d'aller au-delà des approches classiques de type co-GWAS, souvent trop conservatrices, en introduisant des méthodes innovantes fondées sur des matrices d'infection, des modèles à effets mixtes et des approches bayésiennes. Ces outils permettront d'intégrer de manière plus fine les traits biologiques et les structures de population, tout en améliorant la puissance de détection des interactions.
Dans un premier temps, un cadre théorique sera développé à partir de données simulées afin d'évaluer les performances des méthodes proposées et de les comparer aux approches existantes. Dans un second temps, ces méthodes seront appliquées à des données réelles issues d'environ 1 000 patients infectés par le virus de la dengue. L'objectif sera d'identifier les gènes humains et viraux impliqués dans la pathogenèse, ainsi que leurs interactions spécifiques.
Les résultats attendus incluent une meilleure compréhension des mécanismes biologiques gouvernant l'infection et la réponse immunitaire, ainsi que l'identification de cibles potentielles pour le développement de vaccins et de thérapies. Plus largement, ce projet contribuera à améliorer la compréhension des dynamiques de coévolution hôte–pathogène et à renforcer les approches quantitatives en santé publique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Ce projet de thèse vise à mieux comprendre les interactions génomiques entre l'hôte humain et les pathogènes, un élément clé des dynamiques de coévolution. À l'échelle génétique, ces interactions reposent sur des effets génotype × génotype (G×G), où les variations génétiques de l'hôte influencent sa résistance, tandis que celles du pathogène déterminent son infectivité. Toutefois, l'identification de ces interactions reste un défi méthodologique majeur, en raison de la complexité des architectures génétiques et des interactions épistatiques.
L'objectif principal de cette thèse est de développer de nouveaux modèles statistiques et mathématiques permettant de détecter et de caractériser les interactions G×G entre les génomes humains et pathogènes. En particulier, le projet propose d'aller au-delà des approches classiques de type co-GWAS, souvent trop conservatrices, en introduisant des méthodes innovantes fondées sur des matrices d'infection, des modèles à effets mixtes et des approches bayésiennes. Ces outils permettront d'intégrer de manière plus fine les traits biologiques et les structures de population, tout en améliorant la puissance de détection des interactions.
Dans un premier temps, un cadre théorique sera développé à partir de données simulées afin d'évaluer les performances des méthodes proposées et de les comparer aux approches existantes. Dans un second temps, ces méthodes seront appliquées à des données réelles issues d'environ 1 000 patients infectés par le virus de la dengue. L'objectif sera d'identifier les gènes humains et viraux impliqués dans la pathogenèse, ainsi que leurs interactions spécifiques.
Les résultats attendus incluent une meilleure compréhension des mécanismes biologiques gouvernant l'infection et la réponse immunitaire, ainsi que l'identification de cibles potentielles pour le développement de vaccins et de thérapies. Plus largement, ce projet contribuera à améliorer la compréhension des dynamiques de coévolution hôte–pathogène et à renforcer les approches quantitatives en santé publique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/2026
Funding category
Public funding alone (i.e. government, region, European, international organization research grant)
Funding further details
Concours pour un contrat doctoral
Presentation of host institution and host laboratory
Université de Montpellier
Institution awarding doctoral degree
Université de Montpellier
Graduate school
166 I2S - Information, Structures, Systèmes
Candidate's profile
-modélisation
-analyses statistiques
-bio-informatique : analyse de données omiques.
-analyse phylogénétique
-lecture régulière d'articles et rédaction d'articles scientifiques.
-participation et contribution à la vie scientifique de l'équipe.
-forte motivation et véritable intérêt pour l'épidémiologie et la génomique quantitative.
- Modeling - Statistical analysis - Bioinformatics: analysis of omics data - Phylogenetic analysis - Regular reading of articles and writing of scientific articles - Participation and contribution to the scientific life of the team - Strong motivation and genuine interest in epidemiology and quantitative genomics
- Modeling - Statistical analysis - Bioinformatics: analysis of omics data - Phylogenetic analysis - Regular reading of articles and writing of scientific articles - Participation and contribution to the scientific life of the team - Strong motivation and genuine interest in epidemiology and quantitative genomics
2026-05-04
Apply
Close
Vous avez déjà un compte ?
Nouvel utilisateur ?
Get ABG’s monthly newsletters including news, job offers, grants & fellowships and a selection of relevant events…
Discover our members
Medicen Paris Region
Laboratoire National de Métrologie et d'Essais - LNE
ONERA - The French Aerospace Lab
Groupe AFNOR - Association française de normalisation
ASNR - Autorité de sûreté nucléaire et de radioprotection - Siège
ANRT
TotalEnergies
SUEZ
Servier
Institut Sup'biotech de Paris
ADEME
Nantes Université
Aérocentre, Pôle d'excellence régional
Généthon
Nokia Bell Labs France
Tecknowmetrix
Ifremer

