En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Université de Reims Champagne-Ardenne FARE

Fractionnement des AgroRessources et Environnement INRAE / URCA

Fractionnement des Agroressources et Environnement

Unité Mixte de Recherche Inra/URCA

OPEN - PhD Position in Computer Science

OPEN - PhD Position in Computer Science
FARE lab has an open PhD position in Multi-scale Modelling of Lignocellulosic Biomass Deconstruction

Objective: The main objective of the PhD project is to develop an image-based computational model of lignocellulosic biomass deconstruction during enzymatic hydrolysis.

Description:
Renewable resources from agriculture and forestry such as lignocellulosic biomass (LB) is foreseen as an alternative to fossil carbon to produce biofuel, bio-based chemicals and materials in biorefineries to limit climate change. Nevertheless, due to chemical and structural complexity of LB, it is recalcitrant to biochemical deconstruction by enzymes and requires expensive pretreatment steps. To achieve a cost-effective deconstruction, it is necessary to understand and overcome the chemical and structural parameters conferring the recalcitrance to LB. Despite extensive research on identifying such parameters, no universal parameter (not specific to biomass species and pretreatment type) has yet been found. To identify key structural parameters underlying recalcitrance, our team has recently investigated the importance of structural parameters at the cellular / tissular scale. At this end, wood samples are imaged during enzymatic hydrolysis by confocal microscopic time-lapse imaging, providing the observation of the hydrolysis at a cellular level. A first 4D (space + time) image processing including segmentation and tracking has been set up at FARE laboratory, that gives access to a binary representation of individual cell walls and their evolution over time. Starting from this pipeline and the available 4D dataset, the PhD candidate will further develop the pipeline to extract the dynamics of voxel intensity representing LB deconstruction captured in time series. The extracted values will be used to estimate parameters of a spatial kinetic model. A correlation analysis between the temporal evolution of voxel intensities and cell wall composition will allow to propose hypotheses of mechanisms underlying LB recalcitrance. The universality of proposed hypotheses and model predictions will be investigated on different biomass species.
We offer an outstanding scientific and technical infrastructure (such as computing facilities of the ROMEO HPC centre, state of art confocal microscope facility, etc), a highly motivated research team, as well as an international and interdisciplinary working environment offering ideal conditions for successfully completing a doctoral degree. The PhD candidate will have the opportunity to participate in training courses, and international conferences

Requirements:
Candidates should have a MSc in computer science, engineering, applied mathematics, or related fields. Applicants should have good skills in Python/C++ programming languages. Expertise in image processing, biophysical modelling would also be advantageous. Good communication skills are essential as the successful candidate will need to work in an interdisciplinary team gathering different researchers and write up their research work for presentation and publication.

Keywords: Multi-scale spatio-temporal modelling, 4D (space + time) image processing, Lignocellulosic biomass

Hosting laboratory: FARE Laboratory, INRAE / URCA, 2 esplanade Roland-Garros, 51100 Reims, France

Duration: 3 years starting from October 2020

Salary: ca. 1400 euros net/month

Deadline:  15 September 2020

Application: Applicants should send a letter of motivation and a detailed CV, including the contact details of at least two academic referees to supervisors:
Dr. Yassin Refahi, yassin.refahi@inrae.fr
Dr. Gabriel Paës, gabriel.paes@inrae.fr