Consulter les offres d’emploi

M2 internship in Genetic Epidemiology

Publiée le 12/09/2025 09:15.

Stage, Institut Pasteur de Lille, 1 rue du Professeur Calmette, 59000 Lille.

Entreprise/Organisme :	Inserm, Institut Pasteur de Lille
Niveau d'études :	Master
Description :	Description: A M2 internship is available at Inserm UMR1167 unit – Risk factors and molecular determinants of aging-related diseases. The trainee will work under the supervision of Céline Bellenguez, in a multidisciplinary team which is a world leader in the genetic epidemiology of Alzheimer’s disease (AD). This disease results from the interaction between multiple factors: in addition to 14 modifiable risk factors, more than 80 genetic loci are associated with AD risk. Deciphering the substantial genetic component of AD, including its genetic heterogeneity, is necessary to better understand the biological mechanisms underlying the disease and to develop efficient precision medicine. In this context, the objective of the internship will be to identify subgroups of genetic variations associated with AD risk and involved in the same biological pathways. This will be done by applying clustering approaches to genome-wide association studies (GWAS) summary statistics. This internship could lead to an application to the graduate school funding for a thesis. Required qualifications and skills: Master 2 in biostatistics, data science, genetic epidemiology or related subjects Programming skills in R as well as another language such as Perl or Python English proficiency Knowledge of the Unix/Linux environment is a plus Application: Interested candidates should send a CV and a cover letter (in French or in English) to Céline Bellenguez (celine.bellenguez@pasteur-lille.fr).
En savoir plus :	No link M2_internship_genetic_Alzheimer.pdf
Contact :	celine.bellenguez@pasteur-lille.fr

Professeur Assistant en Intelligence Artificielle et Mathématiques de la Décision

Publiée le 11/09/2025 16:29.

CDD, Toulouse 31000, France.

Entreprise/Organisme :	Le Département de Mathématiques et Statistique de la Toulouse School of Economics (TSE)
Niveau d'études :	Doctorat
Date de début :	1er septembre 2026
Secteur d'activité :	Mathématiques et Statistique de l'Intelligence Artificielle
Description :	The Department of Mathematics and Statistics at Toulouse School of Economics (TSE) has an opening for a tenure-track Assistant Professor position beginning September 1, 2026. The search is for a researcher in the mathematics/statistics/computer science of AI with an interest in applications to economics and the social sciences. TSE offers an exceptional professional and scientific environment to achieve tenure such as : — reduced teaching hours, competitive salary, — high-quality scientific environment in Toulouse, — strong interaction with the prominent Department of Economics, — member of the Artificial and Natural Intelligence Toulouse Institute — very pleasant working conditions in a major city in south of France, new building in the city center Applicants must have a Ph.D. (expected completion by June 30, 2026 acceptable) and show outstan-ding potential and achievement in research, as well as excellent teaching skills. For full consideration, candidates should submit by November 21, 2025 the following package : — cover letter, — curriculum vitae, — statements on research (with links to the publications and preprints and a scientific project for the coming years) and teaching, — ask three references to send their letters by November 21, 2025. Online interviews will take place between December 8 2025 and January 9 2026, visits to TSE will be organized just after. Questions, application, and reference letters should be sent to recruitment-math-junior@tse-fr.eu.
En savoir plus :	https://www.tse-fr.eu/fr/groups/departement-de-mathematiques-et-statistique?tabs=5 TSE_Math_Assistant Professor.pdf
Contact :	recruitment-math-junior@tse-fr.eu

Offre de thèse "Clinical information extraction from medical reports"

Publiée le 11/09/2025 16:29.

Thèse, Lyon.

Entreprise/Organisme :	Université Lyon 2 / Laboratoire ERIC
Niveau d'études :	Master
Date de début :	01/01/2026
Description :	Dans le cadre de l’ANR IMAGE-TEXT-AVC, le laboratoire ERIC propose une thèse sur l’extraction d’information clinique de documents médicaux.
En savoir plus :	https://eric.msh-lse.fr/offre-de-these-clinical-information-extraction-from-medical-reports/ PhD Offer - ANR Image-Texte-AVC.pdf
Contact :	adrien.guille@univ-lyon2.fr

Ingénieur expert en Intelligence Artificielle

Publiée le 11/09/2025 15:58.

Référence : Expert IA.

CDD, Troyes.

Entreprise/Organisme :	Université de technologie de Troyes
Niveau d'études :	Doctorat
Durée du contrat :	4 ans (2+2)
Description :	L’expert (F/H) en Intelligence Artificielle sera intégrée à la Direction de la Formation et de la Pédagogie (DFP) de l’Université de Technologie de Troyes (UTT). Dans le cadre du Cluster IA Hi!Paris, financé par France 2030, elle fera partie d’une équipe projet impliquant la formation initiale, la formation continue, la coopérative pédagogique (le centre d’innovation pédagogique de l’UTT) et aura pour missions principales : 1. Le soutien actif à la création et la mise à jour des contenus pédagogiques dédiés au Bachelor en Intelligence Artificielle. 2. L’apport de son expertise technique et scientifique aux équipes enseignantes, de la DFP et de la Coop afin d'assurer la qualité, la pertinence et l’innovation des contenus proposés. 3. Assurer un volume annuel de 100 heures équivalent Travaux Dirigés (TD) 4. Contribuer aux comptes rendus, rapports d’activité et constitution de pièces justificatives demandées par le financeur.
En savoir plus :	https://www.utt.fr F_H Ingénieur_Expert_IA.pdf
Contact :	malika.kharouf@utt.fr

Stage M2 Maternal tobacco smoking and psychosocial stress in pregnancy and child respiratory health

Publiée le 10/09/2025 08:46.

Référence : StageM2 Impulsion Exposome Stress.

Stage, 38700 La Tronche (Grenoble).

Entreprise/Organisme :	INSERM
Niveau d'études :	Master
Sujet :	Interactions between maternal tobacco smoking and psychosocial stress during pregnancy and child respiratory health: data analysis of the ELFE cohort study
Date de début :	01/01/2026
Durée du contrat :	6 months
Secteur d'activité :	Recherche
Description :	Background Prenatal exposure to maternal smoking is a major determinant of child respiratory health. Increasing evidence indicates that maternal psychosocial stress during pregnancy also impacts child respiratory health [1-5]. As these exposures may affect similar biological pathways, they potentially have synergistic effects. However, studies investigating the interaction between maternal smoking and psychosocial stress during pregnancy on child respiratory health are lacking. In a recent (unpublished yet) study conducted in a large project (Exposome Impulsion Project ; https://exposomeinserm.fr), we assessed the effects of the interactions of maternal tobacco smoking and psychosocial stress during pregnancy on the development of child wheezing and asthma in 13,510 mother-child pairs from the ELFE cohort (Etude française longitudinale depuis l’enfance) [6; https://www.elfe-france.fr] by using survival Cox models. Preliminary results support a complex moderating role of cumulative prenatal maternal psychosocial stress in the relationship between maternal smoking and child respiratory health. Aims of the internship To further explore these associations, we propose to investigate biological markers - maternal hair cortisol measured at child birth and cord blood cytokines - measured in subsamples of respectively 834 and 1019 ELFE mothers. Maternal cortisol has been shown to be a good proxy for chronic maternal stress [7]. Inflammation, assessed by cord blood inflammatory biomarkers (IL-6, IL-8, IL-1b…), is suspected to be an underlying mechanism of the association between maternal psychosocial stress and smoking and child respiratory health [1]. The aims of this internship are to: 1/ Estimate the associations between the psychosocial stress indicators we developed based on the questionnaire data and levels of maternal hair cortisol 2/ Study the effect of the interaction between maternal hair cortisol and tobacco smoking during pregnancy on child respiratory health using Cox regression models 3/ Estimate the associations of maternal psychosocial stress and maternal tobacco smoking with cord blood cytokines levels. All data are already available. The results will be interpreted jointly with results from experimental models (animal studies) that are performed in parallel. References [1] Al‐Hussainy, A., & Mohammed, R. (2021). Consequences of maternal psychological stress during pregnancy for the risk of asthma in the offspring. Scandinavian Journal of Immunology, 93(1), e12919. [2] Adgent, M. A., Buth, E., Noroña-Zhou, A., Szpiro, A. A., Loftus, C. T., Moore, P. E., ... & Carroll, K. N. (2024). Maternal stressful life events during pregnancy and childhood asthma and wheeze. Annals of Allergy, Asthma & Immunology, 132(5), 594-601. [3] Brew, B. K., Gong, T., Ohlin, E., Hedman, A. M., Larsson, H., Curman, P., ... & Almqvist, C. (2024). Maternal mental health disorders and offspring asthma and allergic diseases: The role of child mental health. Pediatric Allergy and Immunology, 35(2), e14085. [4] Magnus, M. C., Wright, R. J., Røysamb, E., Parr, C. L., Karlstad, Ø., Page, C. M., ... & Nystad, W. (2018). Association of maternal psychosocial stress with increased risk of asthma development in offspring. American journal of epidemiology, 187(6), 1199-1209. [5] Ramsey, N. B., Chiu, Y. H. M., Hsu, H. H. L., Bosquet Enlow, M., Coull, B. A., Wright, R. J., & Carroll, K. N. (2024). Cumulative maternal lifetime stress & child asthma: effect modification by BMI. Stress, 27(1), 2435262. [6] Charles, M. A., Thierry, X., Lanoe, J. L., Bois, C., Dufourg, M. N., Popa, R., ... & Geay, B. (2020). Cohort profile: the French national cohort of children (ELFE): birth to 5 years. International journal of epidemiology, 49(2), 368-369j. [7] Kim, M. Y., Kim, G. U., & Son, H. K. (2020). Hair cortisol concentrations as a biological marker of maternal prenatal stress: a systematic review. International Journal of Environmental Research and Public Health, 17(11), 4002.
En savoir plus :	https://exposomeinserm.fr/ Impulsion_Exposome_Internship2026_01092025_vf.pdf
Contact :	aurelie.nakamura@univ-grenoble-alpes.fr

Analyse de l’association longitudinale entre l'exposition aux facteurs environnementaux et le dévelo

Publiée le 10/09/2025 08:46.

Stage, Laboratoire Jean Kuntzmann, 150 place du Torrent, 38400 Saint Martin d’Hères.

Entreprise/Organisme :	Université Grenoble Alpes
Niveau d'études :	Master
Sujet :	La santé humaine peut être affectée par de nombreuses expositions environnementales, parmi lesquelles un grand nombre de preuves ont démontré l'impact de la pollution de l'air ambiant, des températures ambiantes élevées et des vagues de chaleur sur la morbidité et la mortalité (Schwartz, 1994). Les expositions au début de la vie sont particulièrement préoccupantes : la vie intra-utérine est une période critique de plasticité au cours de laquelle les agressions environnementales peuvent modifier les programmes de développement avec des effets immédiats visibles à la naissance ou des effets différés qui apparaissent pendant l'enfance, à la puberté ou à l'âge adulte. Ces travaux sont liés au domaine de recherche DOHaD (Developmental Origins of Health and Diseases), qui affirme que plusieurs maladies fréquentes peuvent avoir une origine pendant la période de développement (Sinclair et al. 2007). Chez les animaux, un large corpus de recherche soutient cette hypothèse (Hanson and Gluckman 2011) y compris pour la pollution de l'air (Veras et al. 2009) et l'exposition à la chaleur pendant la gestation (van Wettere et al. 2021). Chez l'homme, des études épidémiologiques ont démontré les effets néfastes de la pollution atmosphérique et de la chaleur sur l'issue de multiples naissances (par exemple, diminution du poids à la naissance, augmentation des naissances prématurées, mortes et néonatales) (Jakpor et al. 2020; Chersich et al. 2020; Song et al. 2023). Plus tard dans la vie, le faible poids du bébé à la naissance contribue de manière significative à la morbidité et à la mortalité périnatales (Pallotto and Kilbride 2006). Au-delà de la période néonatale, le retard de croissance intra-utérin peut avoir des ramifications tout au long de la vie en augmentant le risque de plusieurs maladies cardiovasculaires, respiratoires et métaboliques (Fowden et al. 2006). Du point de vue de l'exposition, les études examinent de plus en plus l'ensemble de la trajectoire d'exposition d'un individu, en tenant compte de chaque semaine, de la conception à la naissance (Gasparrini et al. 2010; Jakpor et al. 2020), en tirant parti de modèles d'exposition de pointe dotés d'une résolution spatiale et temporelle fine (Hough et al. 2020; Hough et al. 2021). Du point de vue du développement, le poids de naissance est une mesure a posteriori qui ne reflète pas nécessairement les différentes trajectoires de croissance au cours de la vie fœtale. Certaines études ont examiné la contribution de l'échographie à la détection d'éventuels effets précoces et de phénomènes de croissance de rattrapage (Iñiguez et al. 2016). En outre, l'identification des fenêtres critiques d'exposition à l'environnement pendant la grossesse présente un intérêt considérable pour mieux prévenir les effets sur la santé du fœtus. Cependant, aucune étude n'a évalué les effets de l'ensemble de la trajectoire d'exposition sur la trajectoire de croissance du fœtus, en tenant compte des aspects longitudinaux de l'exposition et du résultat. Objectifs L'objectif du stage de Master 2 est de développer des modèles statistiques et des méthodes d'estimation prenant en compte la nature longitudinale des données d'exposition et de résultats. La première étape consistera à revoir les packages existants dlnm, nlme et à identifier leurs limites. La seconde étape consistera à développer un nouveau package incluant l'extension aux effets aléatoires et aux interactions entre variables. Ce projet de Master 2 est la première étape d'un projet de doctorat plus général visant à produire de nouvelles connaissances sur les effets de la pollution de l'air et de l'exposition à la chaleur pendant la grossesse sur la croissance du fœtus (dans un contexte de données répétées à la fois pour l'exposition et le résultat). Méthodes Les méthodes statistiques incluront des modèles de lag distribué (DL). Ces modèles de séries temporelles incluent des covariables qui dépendent des effets passés et différés des covariables. Par exemple, l'espérance μ_t de la variable de croissance Y_t au temps t est modélisée comme une fonction (non linéaire) des covariables x_t,x_(t-1),…,x_(t-L): g(μ_t )=α+∑_(k=0)^L▒β_k s(x_(t-k) ) où s est une function de spline. Ces modèles DL permettent de quantifier l'effet d'une exposition différée sur les résultats. Dans la littérature, les modèles DL ont été appliqués pour décrire l'effet de la pollution de l'air et de l'exposition à la chaleur sur le poids de naissance. Au lieu de se concentrer sur la mesure a posteriori du poids de naissance, nous envisageons d'étendre cette approche à la modélisation de l'ensemble de la trajectoire de croissance du fœtus en utilisant les données d'une cohorte. Le modèle correspondant inclura donc des effets aléatoires pour décrire la variabilité interindividuelle entre les sujets de la cohorte. Une première étape consistera à proposer une méthode d'estimation des paramètres de ce modèle longitudinal mixte. Une approche de type maximum de vraisemblance sera envisagée, avec l'adaptation d'un algorithme de type EM (Dempster, 1977) à cette classe spécifique de modèles mixtes, par exemple un algorithme SAEM adapté aux modèles à effets mixtes non linéaires (Kuhn, 2005). La deuxième étape consistera à proposer de nouvelles façons d'inclure les effets de l'exposition dans le modèle, afin de décrire simultanément l'exposition aiguë (jours) et l'exposition chronique (semaines, mois) à la chaleur ou à la pollution de l'air. Ces différentes échelles pourraient être modélisées par différentes fonctions splines, en sélectionnant les covariables significatives par la sélection de modèles ou en les intégrant dans le temps. Enfin, les covariables telles que la pollution atmosphérique sont des covariables spatiales et ne sont pas faciles à introduire dans le modèle de régression. Des outils spécifiques tels que la fonction d'intensité pourraient être utilisés pour résumer l'exposition et servir d'indicateur dans le modèle DL. Compétences requises - Quelques notions dans les méthodes statistiques avancées - Maîtrise de R, en particulier dans le développement de packages. - Solides compétences organisationnelles et souci du détail - Intérêt pour l'épidémiologie et la santé environnementale
Durée du contrat :	5 à 6 mois
Rémunération :	Indemnisation sur grille forfaitaire
Secteur d'activité :	Recherche
Description :	Title: The longitudinal association between exposure to environmental factors and development of the child Background Human health can be affected by many environmental exposures as, among them, a large body of evidence has demonstrated the impact of ambient air pollution and high ambient temperatures and heatwaves on morbidity and mortality (Schwartz, 1994). Early life exposures are of particular concern: intrauterine life is a critical period of plasticity during which environmental insults can alter developmental programs with immediate effects visible at birth or delayed effects that appear in childhood, at puberty or in adulthood. Such work relates to the DOHaD (Developmental Origins of Health and Diseases) research field, which states that several frequent diseases may have an origin during the developmental period (Sinclair et al. 2007). In animals, a wide research corpus supports this hypothesis (Hanson and Gluckman 2011) including for air pollution (Veras et al. 2009) and heat exposure during gestation (van Wettere et al. 2021). In humans, epidemiological studies demonstrated adverse effects of air pollution and heat on multiple birth outcomes (e.g. decreased birth weight, increase in premature, still- and neonatal births) (Jakpor et al. 2020; Chersich et al. 2020; Song et al. 2023). Later on in life, lower birth weight of the baby contributes significantly toward perinatal morbidity and mortality (Pallotto and Kilbride 2006). Even beyond the neonatal period, intra uterine growth retardation can have ramifications throughout the entire life course by increasing the risk of several cardiovascular, respiratory and metabolic diseases (Fowden et al. 2006). From an exposure point of view, studies increasingly examine the whole trajectory of exposure of an individual, looking at each week from conception to birth (Gasparrini et al. 2010; Jakpor et al. 2020), taking advantage of state-of-the-art exposure models with fine spatial and temporal resolution (Hough et al. 2020; Hough et al. 2021). From a developmental point of view, birth weight is an a posteriori measurement that does not necessarily reflect the different growth trajectories during fetal life. Some studies have looked at the contribution of ultrasound to detect possible early effects and catch-up growth phenomena (Iñiguez et al. 2016). Besides, there is a huge interest in identifying the critical exposure windows to environmental exposure during pregnancy to better prevent health effects on the fetus. However, no study has evaluated the effects of the whole trajectory of exposure on the fetal growth trajectory, accounting for the longitudinal aspects of both the exposure and the outcome. Objectives The objectives of the Master 2 internship is to develop statistical models and estimation methods accounting for both the longitudinal nature of exposure and outcome data. The first step will consist in reviewing the existing packages dlnm, nlme and identify their limits. The second step will then consist in developing a new package including the extension to random effects, interaction between variables. This Master 2 project is the first step of a more general PhD project aiming at producing new knowledge on the effects of air pollution and heat exposure during pregnancy on the growth of the fetus (in a context of repeated data for both the exposure and the outcome). Methods Statistical methods will include Distributed Lag (DL) models. These models of time series include covariates that depend on the past and delayed effects of covariates. For example, the expectation μ_t of the growth observation Y_t at time t is modeled as a (non-linear) function of delayed covariates of exposure x_t,x_(t-1),…,x_(t-L): g(μ_t )=α+∑_(k=0)^L▒β_k s(x_(t-k) ) where s is a spline function. These DL models allow to quantify the effect of delayed exposure on the output. In the literature, DL have been applied to describe the effect of air pollution and heat exposure on birth weight. Instead of focusing on the a posteriori measurement of birth weight, we plan to extend this approach to modeling the whole fetal growth trajectory using cohort data. The corresponding model will thus include random effects to describe the inter-individual variability between the subjects of the cohort. A first step will be to propose an estimation method of the parameters of this mixed longitudinal model. A maximum likelihood approach will be considered, with the adaptation of an EM-type algorithm (Dempster et al 1977) to this specific class of mixed models, for example a SAEM algorithm adapted to non-linear mixed effects models (Kuhn Lavielle 2005). The second step will be to propose new ways of including exposure effects in the model, to describe simultaneously acute (days) exposure as well as chronic (weeks, months) exposure to heat or air pollution. These different scales could be modeled either by different spline functions, by selecting the significant covariates by model selection or by integrating them over time. Finally, covariates such as air pollution are spatial covariates and are not easy to introduce in the regression model. Specific tools such as intensity function could be used to summarize the exposure and used as a proxy in the DL model. Key competences needed - Familiarity with advanced statistical methods - Proficient in R, specifically in the development of packages - Strong organizational skills and attention to detail - Interest in epidemiology and environmental health
En savoir plus :	No link sujet M2 Developpement enfant.pdf
Contact :	vincent.brault@univ-grenoble-alpes.fr

Postdoctoral Position in Applied Mathematics – Statistical/Stochastic Methods for Robust Optimizati

Publiée le 10/09/2025 08:46.

Référence : Statistical/Stochastic Methods for Robust Optimization of Industrial Workshops (M/F)..

Postdoc, Aubière.

Entreprise/Organisme :	CNRS, Factolab (Michelin)- Laboratoire de Mathématiques Blaise Pascal
Niveau d'études :	Doctorat
Date de début :	Novembre 2025
Durée du contrat :	12 mois
Description :	The objective of this postdoctoral position, in collaboration with Michelin, is to develop surrogate models capable of rapidly approximating the simulator's results while accounting for uncertainty. Particular attention will be paid to the model's lightness, so that it can be easily used in practice (fast optimization, embedded decision-making, online updating). Key points. 1. Design a lightweight statistical/probabilistic surrogate model, integrating: • an estimation of the variability and uncertainty of simulated outputs • an explicit quantification of prediction error • an interpretable and controllable structure (e.g., Gaussian processes, …) 2. Model industrial system uncertainties (delays, resources, failures) using various methods, including Bayesian approaches. 3. Optimize the workshop configuration, taking into account scenario variability, by relying on the surrogate model to accelerate exploration. 4. Analyze the impact of local decisions (scheduling, resource allocation, layout) on overall performance through simulations and probabilistic sensitivity analyses. 5. Formulate robust and understandable recommendations to support decision-making in real industrial contexts.
En savoir plus :	https://emploi.cnrs.fr/Offres/CDD/UMR6620-VALERIE-018/Default.aspx?lang=EN Portail Emploi CNRS - Job offer - Postdoctoral Position in Applied Mathematics – Statistical:Stochas.pdf
Contact :	anne.yao@uca.fr

Postdoctoral research position: AI and clinical prediction in respiratory infections

Publiée le 09/09/2025 13:32.

Référence : AI and clinical prediction in respiratory infections.

Postdoc, Lyon.

Entreprise/Organisme :	CERP and Laboratoire Commun de Recherche / bioMérieux, Hospices Civils de Lyon
Niveau d'études :	Doctorat
Durée du contrat :	18 mois
Description :	POSITION OVERVIEW We invite applications for a post-doctoral research position in the AIRISE project, focusing on the development of real-time prediction algorithms for clinical worsening in patients with lower respiratory tract infections. This is an exciting opportunity to apply cutting-edge machine learning methods to a major public health challenge, with direct implications for patient for patient care in hospitals. The successful candidate will join a dynamic interdisciplinary team of clinicians, epidemiologists, and data scientists, contributing to the design and implementation of AI-based solutions that can improve early detection of patient deterioration and guide clinical decision-making. PROJECT CONTEXT AIRISE is a collaborative project involving: • Lyon University Hospital (Hospices Civils de Lyon (HCL)) • bioMérieux, • Center of Excellence in Respiratory Pathogens (CERP, https://cerp-epi.com)) as part of the Centre International de Recherche en Infectiologie (CIRI) Using the HCL Data Warehouse (EDS), the project investigates acute lower respiratory tract infections - leading cause of hospital admissions worldwide. These infections, caused by bacteria or viruses, can occur in the community or in hospitals and require rapid and appropriate management. Some patients may show signs of deterioration that increase the risk of admission to intensive care, with potentially serious consequences for their prognosis, quality of life, and hospital costs. The role of the postdoctoral researcher is to develop AI models capable of identifying these signs of deterioration as early as possible, leveraging patients’ clinical and biological data, as well as their temporal evolution. The ultimate goal is to build a real-time prediction system to support clinicians in optimizing patient management. KEY RESPONSABILITIES • Manage and ensure the quality of data extracted from HCL EDS. • Perform descriptive statistics, including risk factor analysis and survival models. • Design, develop and test AI algorithms to handle specific data characteristics (sparse and time series) and predict real-time risk of worsening. Build interpretable models providing transparent explanations on risk assessments. • Work as an integral member of a multidisciplinary data science team, collaborating closely on data management, statistical analyses, and AI development. • Work in close collaboration with clinicians to adjust and validate predictive models. • Write scientific papers and technical reports. • Present the findings at national and international congresses. QUALIFICATIONS Required: • Ph.D. in Data Science, Computer Science, Biostatistics, or a related field • Proficiency in machine learning/AI and data analysis • Experience with R and/or Python • Excellent written and oral communication and interpersonal skills • Strong analytical and problem-solving abilities • Curiosity and a proactive attitude toward research and innovation • Fluency in French and English Preferred: • Experience in clinical data analysis or healthcare domain • Familiarity with Electronic Health Records (EHR) systems and data • Proven track record of publishing in peer-reviewed journals • Strong interpersonal skills and the ability to work effectively in a team-oriented, interdisciplinary environment APPLICATION PROCESS Interested candidates should submit the following documents: • CV • Cover letter • Contact details of references Please send your application directly to: • Dr. Cédric Dananché (cedric.dananche@chu-lyon.fr) • Pr. Marta Nunes (marta.nunes@chu-lyon.fr) • Dr. Maxime Bodinier (maxime.bodinier@biomerieux.com) Application deadline: September 30, 2025 Affiliation: Hospices Civils de Lyon (HCL) Start Date: November 1, 2025 AFFILIATION AND WORK ENVIRONMENT The postdoctoral researcher will be affiliated with Hospices Civils de Lyon (HCL) and based at: • Center of Excellence in Respiratory Pathogens (CERP), Université Claude Bernard Lyon 1, Site Laënnec, 69008 Lyon • Laboratoire Commun de Recherche / bioMérieux, Hôpital Edouard Herriot, 69003 Lyon
En savoir plus :	https://cerp-epi.com/2025/09/04/biostatistician-2/ Postdoc_AIRISE_EN_CERP.pdf
Contact :	maxime.bodinier@biomerieux.com

Stage M2 : Impact des biothérapies sur les trajectoires de fonction respiratoire dans l’asthme sévèr

Publiée le 09/09/2025 11:44.

Référence : ASTHMEHP2.

Stage, Grenoble.

Entreprise/Organisme :	Université Grenoble Alpes
Niveau d'études :	Master
Sujet :	Impact des biothérapies sur les trajectoires de fonction respiratoire dans l’asthme sévère
Date de début :	01 01 2026
Durée du contrat :	4 à 6 mois
Secteur d'activité :	recherche
Description :	Contexte : L’asthme sévère ne représente que 3 à 4 % des asthmes de l’adulte, mais on considère qu’il cumule à lui seul plus de 60 % des coûts médicaux liés à l’asthme. Un patient atteint d’asthme sévère a le plus souvent présenté de multiples exacerbations avant qu’un traitement optimal ne soit mis en route. Il existe une relation forte entre le fait de présenter des exacerbations itératives et le fait d’avoir une fonction respiratoire altérée à l’aune du volume expiratoire maximal en 1 seconde (VEMS). Si le socle du traitement de l’asthme reste la corticothérapie inhalée, l’avènement de traitements par biothérapies au litant des années 2010 a révolutionné la prise en charge de l’asthme sévère. Toutefois, les objectifs des études portant sur les biothérapies ont bien davantage mis en avant le contrôle des exacerbations que l’amélioration de la fonction respiratoire. Chez les patients asthmatiques sévères dont la fonction respiratoire est dans la majorité des cas altérée au moment de la mise en route d’une biothérapie, l’amélioration voire la normalisation de la fonction garde toutefois toute sa place, tant pour éviter des symptômes limitant les capacités d’exercice que pour prévenir le remodelage bronchique. La fonction respiratoire des patients asthmatiques sévères reste peu étudiée. En particulier, la façon dont la fonction respiratoire évolue grâce à la prescription des biothérapies est mal connue. Le registre RAMSES regroupe les données de 2000 patients asthmatiques sévères, suivis entre 3 et 7 ans, dont le VEMS moyen au moment de leur inclusion est de 77 ± 22 % de la valeur prédite et dont un peu plus de la moitié des patients a un VEMS anormal (z-score
En savoir plus :	https://chaire-esante.fr/ 2026 - stage - asthme sévère.pdf
Contact :	sbailly@chu-grenoble.fr

Two-year Postdoc position in Statistics and Probability (funded by AMIDEX)

Publiée le 02/09/2025 10:11.

Postdoc, Marseille.

Entreprise/Organisme :	Aix-Marseille University, Marseille Institute of Mathematics
Niveau d'études :	Doctorat
Date de début :	November-December 2025
Durée du contrat :	24 months
Rémunération :	according to the French scale
Description :	Applications are invited for a two-year full time post-doc position starting in September-October 2025 in the A*MIDEX Chaire d'Excellence-funded project “Nonstationary Models of Biological Signals” (NOMOS), Principal Investigator Prof. Anna Dudek. According to the requirements of this funding program, candidates should not be currently employed by the University of Aix-Marseille and should have obtained their last degree outside AMU. Interviews with candidates will be conducted in English. The selection process will proceed on a continuous basis, with applications reviewed and interviews conducted until the position is filled. Project NOMOS Overview Nonstationary signals are at the forefront of modern statistical analysis, as many observed phenomena cannot be adequately modeled by stationary processes. The NOMOS project aims to develop a new generation of nonstationary models and algorithms for analyzing various biological signals. The project will focus mainly on developing innovative models for biomedical signals with irregular cyclicity and exploring potential machine learning applications. Position Objective: The primary focus of this position is to develop concentration inequalities in the nonstationary setting, specifically for periodic Markov chains and periodic time series. Responsibilities also include coding the proposed algorithms in R or Python, such as methods for splitting periodic time series into regeneration blocks, and applying them to real biomedical datasets. The role requires the ability to effectively communicate technical material and build both internal and external collaborations. Additional responsibilities may include assisting in the supervision of student projects, supporting the development of student research skills, providing instruction, or planning and delivering seminars related to the research area.
En savoir plus :	https://drive.google.com/file/d/15Aiogtm-YDaHVJB3ZKRURooA7aRQ46_F/view?usp=sharing post doc offer sept.pdf
Contact :	aedudek@agh.edu.pl

Machine Learning pour l’exploration de la sous-dominance dans les génomes polyploïdes

Publiée le 01/09/2025 11:27.

Référence : Thèse en apprentissage statistique à l'université d'Angers..

Thèse, IRHS / LAREMA.

Entreprise/Organisme :	Université d'Angers
Niveau d'études :	Master
Sujet :	cf. fichier joint
Date de début :	01/10/2025
Durée du contrat :	3 ans
Rémunération :	base fonction publique
Secteur d'activité :	Recherche publique
Description :	cf. fichier joint
En savoir plus :	https://rabier.github.io , https://blog.univ-angers.fr/panloup/ , https://irhs.angers-nantes.hub.in sujetthese2025.pdf
Contact :	charles-elie.rabier@univ-angers.fr

BIOSTATISTICIEN.NE MÉTHODOLOGISTE EN RECHERCHE CLINIQUE

Publiée le 25/08/2025 12:31.

CDD, Angers.

Entreprise/Organisme :	CHU d'Angers
Niveau d'études :	Master
Date de début :	Dès que possible
Durée du contrat :	12 mois
Rémunération :	Grille de la Fonction Publique Hospitalière
Secteur d'activité :	Santé
Description :	L'ensemble des informations utiles sont disponibles dans la fiche de poste.
En savoir plus :	No link Fiche_de_poste_Statisticien_Methodologiste_CHU_Angers_100725(1).pdf
Contact :	jeremie.riou@univ-angers.fr

Chargé d’études économiques et statistiques

Publiée le 25/08/2025 12:30.

Référence : 3134-25-1108/SR du 18/07/2025.

CDD, NOUMEA Nouvelle-Calédonie.

Entreprise/Organisme :	Institut de la statistique et des études économiques
Niveau d'études :	DUT/Licence ou équivalent
Date de début :	immédiatement
Durée du contrat :	1 an, prolongation possible
Rémunération :	Ingénieur 1er grade/statistiques ou attaché
Secteur d'activité :	omptes économiques, études économiques et statistique
Description :	Participer aux travaux de réalisation des comptes économiques calqués sur les principes de la comptabilité nationale et mettre en œuvre des études économiques et statistiques. Le chargé d'études participe ainsi à l’ensemble des missions du pôle comptabilité nationale et modélisation (PCNM) rattaché à la direction.
En savoir plus :	https://drhfpnc.gouv.nc/sites/default/files/avp_58939-c1.pdf?1754196930 Poste_Vacant_58939-c1.pdf
Contact :	elise.desmazures@isee.nc

Development of filtering algorithms based on hidden Markov processes

Publiée le 25/08/2025 12:30.

Référence : MISTEA2025.

CDD, MONTPELLIER.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Date de début :	01/11/2025
Durée du contrat :	1 an
Description :	Your objective will be to develop algorithms to characterize growth curves. These algorithms will be based on hidden Markov models and associated filtering methods. This work follows on from a previously published paper (https://hal.inrae.fr/hal- 04563781v1). We will adapt this model to various other contexts. You will need to implement this type of Kalman filter algorithm in R or Python, then optimize it using an EM (Expectation-Maximization) approach
En savoir plus :	https://nextcloud.inrae.fr/s/Apnd73ELfWaRHdM CDD_cloez.pdf
Contact :	bertrand.cloez@inrae.fr

Lecturer / Senior Lecturer / Associate Professor in Statistics for Omics

Publiée le 25/07/2025 09:49.

Référence : JR-001551.

CDI, Melbourne, Australia.

Entreprise/Organisme :	The University of Melbourne
Niveau d'études :	Doctorat
Date de début :	January 2026
Durée du contrat :	Permanent
Rémunération :	From AUD$114,645 to $198,584 depending on level
Secteur d'activité :	Academia
Description :	The School of Mathematics and Statistics invites applications for a Lecturer/Senior Lecturer from dynamic individuals at the forefront of ‘omics technologies. The appointment will be at Level B, C, or D (Lecturer, Senior Lecturer, or Associate Professor), depending on the candidate’s previous experience. This role requires a strong statistics background and expertise in computational biology to establish and lead a high-level research program. The research will focus on developing and applying statistical methodologies to complex ‘omics data, such as genomics, transcriptomics, and microbiome data. Areas of research such as statistical machine learning are encouraged. We seek a candidate whose research profile complements the School’s existing data science strengths, which include pure and applied mathematics, statistics, machine learning, optimisation, operations research, the geometry of deep learning, biostatistics, and genomics. The position will be based at Melbourne Integrative Genomics (MIG, https://sites.research.unimelb.edu.au/integrative-genomics), an initiative jointly funded by the Faculty and the University (DVCR office), dedicated to pioneering research in statistical methods for omics data. A significant commitment to delivering high-quality education and supervising research students is essential. The successful applicant will contribute to the School's undergraduate and postgraduate programs by teaching statistics and/or applied mathematics in our curriculum. Supervision of research students at the undergraduate, MSc, and PhD levels is also a key responsibility. The University of Melbourne provides an outstanding environment in which to develop innovative research in mathematical and statistical data science, with opportunities for collaborations with machine learning and bioinformatics researchers in Computing and Information Systems, biostatisticians in Population and Global Health, big data research in genomics in the Melbourne Integrative Genomics research hub, optimisation researchers in the ARC Training Centre OPTIMA, biological systems modelling or quantum biotechnologies in the ARC Centres MACSYS and QUBIC, as well as applied and theoretical approaches to data science in other departments/faculties across the University. The University has excellent computing facilities and access to both local and cloud high performance computing clusters. The School of Mathematics and Statistics encourages applicants who identify as women, non-binary or gender diverse. Equally, we encourage applicants from diverse ethnic and cultural backgrounds and non-traditional education backgrounds. To allow us to consider performance relative to opportunity, we also invite applicants to provide a brief statement (up to 1 page) that describes circumstances that may have affected their career development or progression, including career interruptions or delays, periods of part time work, or forms of bias they have experienced.
En savoir plus :	https://tinyurl.com/yu97nrws JR-001551 Lecturer Senior Lecturer Associate Professor in Statistics for Omics_PD.pdf
Contact :	kimanh.lecao@unimelb.edu.au

<1> 2 3 Page suivante