2025-553 - Investigador en ecología y evolución computacionales F/H

Campo / profesión : SCIENCE - Chercheurs/Chercheurs
Puesto vacante :: Personal contratado
Descripción del puesto :
EVOLUTION - DATA SCIENCE - MODELLING AND DEEP LEARNING Antecedentes y objetivos Entender cómo los procesos microevolutivos dan forma a la biodiversidad en los bosques amazónicos sigue siendo una de las cuestiones centrales de la ecología y la evolución, ya que sustenta nuestra capacidad para predecir las respuestas de las especies al cambio climático y las presiones antropogénicas. Las palmeras son muy abundantes y a menudo hiperdominantes en los bosques amazónicos, lo que las convierte en un grupo clave de estos ecosistemas. Utilizadas desde la época precolombina con fines alimenticios, fibrosos y medicinales, son a la vez culturalmente importantes y económicamente valiosas, y constituyen indicadores biológicos de los paisajes precolombinos. El proyecto DOPAMICS, financiado por el ERC, pretende desentrañar las respectivas contribuciones de la adaptación climática y las antiguas actividades humanas (gestión del paisaje, domesticación) a la diversidad genómica y fenotípica de cinco especies de palmeras amazónicas, con el fin de arrojar luz sobre la historia evolutiva de los bosques amazónicos y su futura resiliencia. Tu misión Bajo la supervisión de Louise Brousseau, coordinadora del proyecto DOPAMICS, serás responsable del paquete de trabajo 4 (WP4), que tiene como objetivo integrar los datos heterogéneos adquiridos durante los paquetes de trabajo 1 a 3, y descifrar las relaciones entre el genoma y el fenotipo, en estrecha colaboración con un estudiante de doctorado que trabaja en la diversidad genómica y la historia microevolutiva (WP3). Sus actividades incluirán: Integrar los datos heterogéneos (genómicos, fenotípicos, ambientales) producidos por el proyecto. Realizar GWAS para identificar los loci asociados con rasgos fenotípicos (biomecánica y metabolómica). Estimar el tamaño del efecto de los loci identificados y cuantificar el componente genético de las variaciones fenotípicas. Desarrollar modelos bayesianos y/o enfoques de aprendizaje profundo para predecir variaciones fenotípicas a partir de datos de múltiples fuentes. Desarrollar modelos predictivos para predecir cambios en la diversidad genética de las poblaciones de palmeras bajo el efecto del cambio climático y las presiones antropogénicas. Este puesto te ofrecerá una oportunidad única para trabajar en la interfaz entre la genómica evolutiva, la genética cuantitativa y la biología computacional, al tiempo que contribuyes a una mejor comprensión de la biodiversidad amazónica y su resiliencia frente al cambio global.

Habrás desarrollado las siguientes habilidades: Sólidos conocimientos de ecología evolutiva, genética de poblaciones y genética cuantitativa. Sólidos conocimientos de análisis de datos, bioestadística, modelización ecológica y visualización de datos. Experiencia en GWAS, modelización bayesiana y/o aprendizaje automático aplicado a datos biológicos. Conocimientos de programación (R, Python) y gestión de conjuntos de datos ómicos a gran escala. Publicaciones en el campo. Conocimiento o interés por la biodiversidad tropical. Idiomas: francés, inglés nivel B1/B2. Posee las siguientes cualidades humanas: Buena capacidad de organización, autonomía e iniciativa. Gusto por el trabajo en equipo y la colaboración interdisciplinaria. Fuerte motivación para trabajar en la Guayana Francesa y participar en actividades de divulgación científica con el público en general. Curiosidad científica y espíritu crítico. Posee un diploma de nivel 8 en genómica evolutiva, genética cuantitativa, biología computacional o un campo equivalente. Dossier de candidatura CV actualizado. Lista de publicaciones. Una carta de presentación en la que describa sus motivaciones y su experiencia en investigación (una sola página). Una o dos cartas de recomendación con los datos de contacto completos. Al enviar sus datos de contacto, acepta que nos pongamos en contacto con sus referencias durante el proceso de selección.