Informatics scientist

Intégration de l'équipe d'Evotec à Lyon en tant qu'Informatics scientist pour concevoir et développer des solutions logicielles scientifiques et gérer des données de laboratoire.

• Conception et développement à partir de zéro (phase de construction) d'un ETL pour le traitement des données de laboratoire scientifique en utilisant Knime et GitLab.
• Gestion de la phase d'exécution incluant la correction de bugs, le développement de nouvelles fonctionnalités et l'amélioration continue.
• Intégration de tests automatiques et maintenance de la documentation technique.
• Collaboration avec des scientifiques et le product owner pour répondre aux attentes métier et garantir la qualité du produit.
• Contribution à la mise en œuvre des meilleures pratiques de développement selon la méthodologie Agile.
• Participation à la formation et à l'intégration des nouveaux membres de l'équipe ainsi qu'au transfert de connaissances.
• Automatisation des tâches en construisant et maintenant des flux de travail pour l'automatisation des tâches et le traitement des données à l'aide de Knime et GitLab.
• Collaboration étroite avec les équipes métier de différents départements (gestion des composés, biologie, DMPK) pour comprendre leurs besoins.
• Conception et développement d'un Data warehouse évolutif dans le cadre de l'ingénierie des données scientifiques.
• Harmonisation des données scientifiques provenant de plusieurs sources dans des schémas unifiés optimisés pour les requêtes à l'aide de PostgreSQL.
• Déploiement d'une couche de virtualisation de données permettant des vues sémantiques unifiées grâce à Denodo.

Rejooint l'INSERM - CRCL à Lyon pour mener des études sur les interactions de la protéine centrale du virus de l'Hépatite B.

• Modélisation de complexes protéiques en utilisant des approches de deep learning.
• Participation à une publication scientifique en lien avec les travaux de recherche.

Travail au CEA - IBS à Grenoble sur le positionnement et l'analyse de structures protéiques et de données biologiques.

• Réalisation de l'amarrage de fichiers PDB dans des images de microscopie à force atomique (AFM).
• Examen et correction de bugs dans un pipeline d'assemblage AFM.
• Développement de modèles statistiques pour prédire la pharmacocinétique et sélection de inhibiteurs de protéines via le machine learning.
• Réalisation du nettoyage, du traitement, de la visualisation et de l'interprétation de données.
• Application de méthodes d'apprentissage supervisé et non supervisé telles que les réseaux de neurones, l'ACP, Kmeans, CART et Random forest.
• Implémentation d'un programme de détection de l'orientation et du positionnement des protéines transmembranaires.