AI RESEARCH SCIENTIST

Scienta est une entreprise deeptech qui fait progresser la recherche translationnelle en immunologie. Nous développons EVA, le premier modèle fondamental d'IA conçu spécifiquement pour la prédiction translationnelle dans les maladies médiées par le système immunitaire. EVA répond à l'un des plus grands défis de la R&D pharmaceutique : l'écart préclinique-clinique, où moins de 10 % des programmes de médicaments immunitaires réussissent à se traduire chez l'homme. Notre mission est d'apporter une clarté prédictive à cette phase de développement à haut risque.

Construit sur plus de 3 milliards de points de données multimodaux à travers 30 maladies et 70 tissus, EVA est conçu pour raisonner comme un immunologiste. Son architecture axée sur la biologie traduit les signaux expérimentaux précoces en résultats patients prédits, avec des sorties explicables telles que l'activité au niveau des voies et les biomarqueurs liés aux mécanismes qui informent directement les décisions de R&D.

Notre approche est scientifiquement validée. Dans le cas de la maladie inflammatoire de l'intestin, EVA a répliqué avec précision les résultats des essais cliniques anti-TNF en utilisant uniquement des données transcriptomiques précliniques et de base, surpassant les modèles académiques et privés existants. Notre travail est soutenu par 18 publications évaluées par des pairs et 2 brevets.

Située à BioLabs Hôtel-Dieu (Paris), Scienta est soutenue par des investisseurs de premier plan, a été sélectionnée parmi les Future 40 de Station F et a été nommée lauréate de l'EIC Accelerator. Notre équipe regroupe des experts en IA, en immunologie et en pharmacie, avec une solide formation doctorale.

En tant que chercheur en IA chez Scienta Lab, vous concevrez, formerez et développerez des modèles d'apprentissage profond qui apprennent des représentations significatives à partir de données biologiques à grande échelle pour accélérer le développement de médicaments en immunologie et inflammation. Vous repousserez les limites de notre modèle fondamental EVA, un transformateur multimodal formé sur des dizaines de millions d'échantillons transcriptomiques et d'images d'histologie, en relevant des défis tels que l'apprentissage par transfert inter-espèces, l'intégration multimodale et la modélisation prédictive de la réponse aux médicaments au niveau du patient.

Vous travaillerez à l'intersection de la recherche en apprentissage profond et de la biologie computationnelle, en abordant des défis de modélisation fondamentaux : concevoir des architectures qui gèrent des signaux biologiques de haute dimension, rares et bruyants à travers les modalités transcriptomiques, histologiques et cliniques ; établir des lois de mise à l'échelle pour les modèles fondamentaux biologiques ; et construire des pipelines d'entraînement qui harmonisent des ensembles de données hétérogènes à travers les espèces, les technologies de séquençage et les résolutions.

Vous collaborerez avec des immunologistes, des biologistes computationnels et des ingénieurs ML dans un environnement multidisciplinaire, dirigeant des projets de recherche qui traduisent les prédictions des modèles en informations exploitables pour le développement de médicaments : validation des cibles, stratification des patients, découverte de biomarqueurs et prédiction des résultats des essais cliniques.

Nous valorisons la rigueur scientifique, l'innovation et visons à publier des recherches révolutionnaires dans des revues de premier plan.

Principales missions :

• Concevoir, former et itérer sur des modèles fondamentaux basés sur des transformateurs pour des données biologiques, en travaillant avec des données omiques, des images d'histopathologie et des variables cliniques à grande échelle.
• Développer et optimiser des stratégies de pré-entraînement et des approches de fine-tuning pour le transfert à faible échantillon à travers les espèces, les tissus et les contextes de maladies.
• Être auteur principal de publications à fort impact dans des revues de premier plan en IA et biologie computationnelle, représenter l'entreprise lors de conférences et d'ateliers internationaux.
• Réaliser des expériences de mise à l'échelle, établir des compromis entre performance et calcul et prendre des décisions architecturales éclairées par un benchmarking rigoureux sur des tâches de développement de médicaments (prédiction de l'efficacité des cibles, modélisation des perturbations moléculaires, stratification des patients, prédiction de la réponse au traitement).

Expérience préférée :

• Doctorat en apprentissage automatique, informatique, mathématiques appliquées ou domaine quantitatif connexe, avec une expérience pratique dans la formation de modèles d'apprentissage profond sur de grands ensembles de données.
• Plus de 3 ans d'expérience en recherche en apprentissage profond avec un dossier de publications dans des revues de ML de premier plan (NeurIPS, ICML, ICLR, AAAI ou équivalent).
• Familiarité avec les formations de grands modèles d'apprentissage profond et les cadres d'expérimentation associés.
• Programmation Python de niveau expert, forte expérience avec PyTorch et familiarité pratique avec des pipelines de données à grande échelle.

Comment se démarquer :

• Vous avez une grande autonomie, recherchez des solutions plutôt que des problèmes et êtes un joueur d'équipe prêt à aller au-delà de votre description de poste.
• Expérience pratique préalable sur des données biologiques de haute dimension.
• Expérience avec des modèles fondamentaux, apprentissage auto-supervisé, apprentissage contrastif ou architectures multimodales appliquées à des données scientifiques ou biologiques.
• Vous avez formé des modèles à partir de zéro avec plus de 300 millions de paramètres.
• Vous avez de l'expérience dans des environnements dynamiques, changeants et ambigus tels que les startups, avec des itérations rapides.

Informations supplémentaires :

• Type de contrat : Temps plein
• Lieu : Paris
• Travail à distance occasionnel autorisé