Etudes Non Stop Etudes Non Stop
Related Articles
Les candidatures seront acceptées jusqu’à ce que le poste soit pourvu. Cependant, nous vous recommandons de postuler avant le 1er octobre 2021 afin d’être pleinement pris en considération. La date de début est flexible, à partir du 1er novembre 2021, pour une durée de 3 ans. L’emplacement principal est UC Santa Barbara, Californie, États-Unis.
Portée:
Alors que le développement de la cryo-microscopie électronique (cryo-EM) s’est déjà avéré révolutionner le domaine de la biologie structurale en imageant des biomolécules en solution, la grande majorité des protéines ne peuvent pas être reconstruites à une résolution satisfaisante. Parmi elles, les protéines membranaires restent un immense défi d’imagerie pour les biologistes – voir le modèle simulé sur la figure 1 (A). Leur flexibilité inhérente, ainsi que le contraste limité provenant de la micelle entourant les domaines transmembranaires hydrophobes, en font un objet difficile à imager. Parallèlement, les protéines membranaires sont des cibles privilégiées pour plus de 50 % des médicaments délivrés sur ordonnance sur le marché pharmaceutique, y compris les médicaments ciblant le traitement des troubles neurologiques et des cancers 1. Dans ce contexte, les limites technologiques de l’imagerie cryo-EM limitent notre compréhension des conformations 3D des protéines, et par conséquent, notre connaissance des mécanismes thérapeutiques associés – voir reconstruction sur la figure 1 (B). L’amélioration de la résolution des formes 3D des protéines membranaires est cruciale pour les applications médicales et pharmacologiques, et opportune compte tenu des constructions accélérées d’installations cryo-EM dans le monde et de l’explosion associée des données cryo-EM – voir Figure 1 (C).
L’objectif de ce projet est de développer une nouvelle méthode mathématique et statistique qui améliore la résolution des reconstructions cryo-EM, en ciblant en particulier les protéines membranaires. Le candidat retenu revisitera le paradigme de la reconstruction de forme biomoléculaire 3D à partir de cryo-EM 2D brut – voir la figure 1 (D). Pour atteindre cet objectif, le candidat retenu utilisera des outils d’ apprentissage en profondeur non supervisé , tels que des auto-encodeurs (variationnels) et/ou des réseaux antagonistes génératifs –
[embeddoc url= »https://medjouel.com/wp-content/uploads/2021/09/medjouel.com-Bourse-postdoctorale-Geometrie-et-apprentissage-en-profondeur-pour-les-reconstructions-de-formes-biol.pdf » download= »all »]