生物信息学与人工智能博士：用基础模型和基因调控网络解析肿瘤可塑性

项目概览

本博士项目利用基础模型与基因调控网络（GRN），结合多模态数据，研究肿瘤细胞在不同转录状态之间转换的机制。

主要研究对象为胰腺导管腺癌（PDAC），团队已有整合单细胞 RNA 测序图谱，涵盖超过 200 名患者的超过 100 万个细胞。

研究属于 AIMPACT 项目，将在法国雷恩 IGDR 的新兴 BINGO 团队开展，由 Yuna Blum、Thomas Derrien 与 Myriam Bontonou 指导。

岗位为全职、36 个月的固定期限博士合同，拟于 2026 年 12 月 1 日入职；月薪至少 2300.00 欧元，未注明税前或税后；2026 年 10 月 27 日（星期二）23:59 截止申请。

项目详情

肿瘤细胞可塑性指细胞在内部或环境信号作用下改变转录状态的能力。这一能力与肿瘤进展和治疗抵抗密切相关，理解支配状态转变的分子机制因而是肿瘤学的重要问题。本博士课题将开发并应用生物信息学及人工智能方法，从单细胞转录组数据中识别参与肿瘤可塑性的基因调控网络，而不是仅对细胞状态进行描述或分类。

项目以 PDAC 为主要切入点。现有整合 scRNA-seq 图谱汇集超过 200 名患者的超过 100 万个细胞，可用于研究经典型、中间状态与 basal-like 状态之间的连续变化。博士生将分析与这一连续谱相关的转录程序和转录因子，识别肿瘤状态转换所涉及的调控机制。项目将把单细胞基础模型方法与 SCENIC 等经典 GRN 推断方法结合，同时对照已经发现的调控因子，比较不同方法得到的结果。

第一项具体目标是识别肿瘤可塑性的调控程序。研究将利用 PDAC 单细胞图谱，分析经典型、中间型与 basal-like 状态之间的转录变化，并考察相应转录因子。基础模型驱动的推断将与常规 GRN 推断及已有生物学发现相比较，使研究能够判断新方法在何种程度上揭示了相关机制。项目介绍没有把使用基础模型本身等同于已经证明其效果优于传统方法。

第二项目标是整合多模态数据以细化 GRN。研究将引入公开可用的补充数据，尤其是染色质可及性和其他表观基因组数据，并与转录组数据结合。这些数据可以为推断出的调控关系提供更多生物学依据，并帮助确定候选可塑性调控因子的优先级。通过加入不同模态的信息，项目希望更好地找到与肿瘤状态转换关联的调控因素。

第三项目标是评估方法在其他肿瘤背景中的泛化能力。PDAC 中开发的方法可应用于具有不同可塑性状态景观的其他癌症，检验其刻画中间肿瘤状态及相应调控程序的能力。项目尚未列出这一阶段涉及的全部癌种、数据集或实验验证方案，不能据此认定具体疾病范围已固定。

AIMPACT 整体项目结合基因调控网络、空间转录组和预测建模，开发用于刻画及预测肿瘤可塑性的人工智能方法。博士生将直接参与单细胞 GRN 推断工作，并协助组织 AIMPACT 的数据挑战（data challenges）。空间转录组是整体项目的组成部分，岗位介绍将博士生的直接研究贡献重点放在单细胞 GRN 上，两者的范围应有所区分。

IGDR 位于 Université de Rennes 的健康校区，约有 200 名成员。研究所采用跨学科方法，研究细胞分裂、身份及可塑性的基础机制，涉及生物学、数学、物理与计算机科学的交叉。博士工作主要在新兴 BINGO 团队开展，该团队面向癌症中复杂基因组和转录组数据，开发生物信息学及统计分析方法。研究还将获得 @OMICs 团队（OSS，INSERM）与 AIMPACT 联盟伙伴在人工智能和建模方面的支持。

导师为 BINGO 团队的 Yuna Blum 和 Thomas Derrien，以及 @OMICs 团队的 Myriam Bontonou。博士生还将与 Magali Richard（LIG、UGA、CNRS）定期交流；她与 Yuna Blum 共同协调 AIMPACT。项目在雷恩 Villejean 校区开展，可使用本地计算与存储基础设施，包括 GenOuest 与 Eskemm 生物信息学平台。介绍未公布具体服务器规格或个人算力额度。

申请要点

• 合同与地点：全职固定期限博士合同（CDD Doctorant），36 个月，法国 Ille-et-Vilaine 的 35043 RENNES，工作在 Villejean 校区开展。

• 研究任务：单细胞 GRN 推断、基础模型与经典方法比较、多模态数据整合、跨癌种泛化评估，并参与 AIMPACT 数据挑战组织。

• 申请资格：介绍未具体列出学历专业、语言要求、编程能力门槛或必需／优先经历。不能将所用方法全部转化为必须已有的申请经验。

• 时间：计划于 2026 年 12 月 1 日入职；2026 年 10 月 27 日（星期二）23:59 截止申请，时区未注明。

• 薪资与福利：月薪至少 2300.00 欧元，税前或税后未注明；每年休假及 RTT 合计 44 天；交通费用报销比例 75%，可持续出行补助最高 300 欧元；另列远程工作及补偿，适用安排未说明。

• 特别约束：介绍的约束与风险栏写“RAS”，即未报告特别事项；这不等于确认研究没有任何一般风险。

• 岗位向持有残障工作者身份认定文件的人开放；招聘编号 UMR6290-YUNBLU-001；领域标注为面向生命科学的数学、计算机与物理建模。

需要进一步确认

需确认直接联系邮箱、申请者资格、材料、语言条件、博士注册学校及费用覆盖、薪资税务口径。应进一步了解三位导师的分工、不同模态数据的可用性，以及后续癌种范围。介绍未明确国籍条件，不应直接判断某一国籍已满足资格或被排除。

癌细胞怎样转换状态：雷恩单细胞调控网络与基础模型博士调研

快速判断

值得考虑，前提是有计算组学基础，并能解释生物学结果。 博士要从胰腺癌单细胞数据中寻找参与细胞状态转换的调控网络，比较基础模型与 SCENIC 等方法，再用染色质数据补充调控证据。三位导师的方向与这一任务相符；正式入学资格、注册安排和数据使用条件仍需确认。官方招聘说明确认，岗位在雷恩 IGDR，为全职 36 个月博士合同，计划于 2026 年 12 月 1 日 入职，申请截止时间为 2026 年 10 月 27 日 23:59（时区未注明），月薪至少 2300 欧元。招聘说明未注明税前或税后，不能直接将其视为到手工资。官方招聘说明

课题与团队方向的匹配是主要优势。博士研究围绕胰腺导管腺癌（PDAC）、肿瘤细胞可塑性、单细胞 RNA 测序、基因调控网络（GRN）和基础模型展开，招聘介绍称已有整合图谱，涵盖超过 200 名患者的超过 100 万个细胞。官方招聘说明 关键条件是申请者对单细胞计算方法和生物学解释的兴趣与能力。下一步最值得核实的是博士学院与注册安排、具体薪资口径、数据访问条件，以及第一年的预期任务。

研究问题与博士工作

研究任务、方法与潜在成果

根据招聘介绍，博士工作可能围绕三个相互关联的部分开展。首先，识别 PDAC 中经典型、中间状态与 basal-like 状态连续变化所对应的转录程序和转录因子。其次，将基础模型方法与 SCENIC 等常规 GRN 方法，以及此前已识别的调控因子比较。第三，整合公开多模态数据，尤其是染色质可及性和其他表观基因组数据，细化调控关系并确定候选调控因子的优先级。官方还明确提出，将在其他癌症背景中评估方法对中间状态及其调控程序的泛化能力；具体癌种与数据尚未列出。官方招聘说明

相关 AIMPACT 研究工程师岗位介绍，进一步确认联盟整体关注用 AI 进行肿瘤细胞可塑性的分子与空间分析，并涉及差异网络分析、数据可视化、高维数据分析、网络推断、统计、机器学习、Python／R 和癌症生物学。Inria AIMPACT 岗位介绍 这份相关岗位资料有助于理解技能和合作背景，但不能把联盟所有任务都当作博士课题已经确定的工作范围。博士岗位直接贡献的重点仍是单细胞 GRN 推断。

尚未解决的问题及其意义

肿瘤细胞可塑性指癌细胞在内部或环境信号作用下改变转录状态的能力。在 PDAC 中，basal-like、经典型（classical）和中间状态与肿瘤异质性、治疗抵抗有关。本课题的研究定位是组学分析和调控机制研究。目标是从单细胞转录组数据中推断参与状态转换的基因调控网络，再结合染色质可及性和其他表观基因组等多模态证据，细化候选调控关系。官方招聘说明

已有研究为方法选择提供了基础。SCENIC 是单细胞调控网络推断与细胞状态识别中常用的基线方法。SCENIC，Nature Methods 较新的研究指出，单细胞多组学可通过增加调控元件和染色质可及性信息改善 GRN 重建，但不同方法推断状态特异调控关系的方式不同，也让建模选择更加复杂。单细胞多组学 GRN 重建综述 scGPT 等基础模型说明，大规模单细胞预训练表征在技术上已经可行；其效果仍需要与传统方法严格比较，并检验结果是否具有生物学合理性。scGPT，Nature Methods

学校、学科与培养

本项目的研究环境比学校整体品牌更有判断价值。Université de Rennes 公布的排名包括 ARWU 2025 综合 401—500 名、计算机科学 76—100 名、人工智能 201—300 名，NTU 全球第 346 名和 CWUR 全球第 318 名。雷恩大学国际排名页面 QS 列出 Université de Rennes 的 2027 年排名为 731—740 名，2026 年为 711—720 名。QS 学校页面 THE 的 University of Rennes 1 页面列出 2025 年全球 601—800 名区间，相关学科覆盖生命科学、健康、计算机科学和物理科学。THE 学校页面

比较这一机会时，更有用的是评估专业团队：CNRS／IGDR 的癌症组学环境、数据基础设施和 AIMPACT 合作网络。CNRS 对单细胞技术的介绍也说明，数据规模增长使生物学家更需要工程人员，以及统计和 AI 方法研究的支持，法国团队正通过博士培养建立这些交叉能力。CNRS 单细胞技术介绍

研究地点和团队已明确，本岗位具体的授位大学和博士学院尚未由招聘说明确认，不能仅凭所在校区推定其注册安排。

导师与研究条件

导师研究方向

Yuna Blum 与课题主题最直接相关。其个人页面介绍，她是 IGDR 的 CNRS 研究员，研究涉及遗传学、基因组学、生物统计学和生物信息学，包括多组学整合、网络推断与信号解卷积。Yuna Blum 个人页面 研究页面说明，她通过多组学整合与网络推断研究癌症异质性，尤其关注黑色素瘤和胰腺癌的细胞可塑性与治疗抵抗。Yuna Blum 研究页面

Thomas Derrien 提供互补的基因组方法经验，包括基因组注释、长链非编码 RNA（lncRNA）分类、Oxford Nanopore 长读长测序、基因表达预测的深度学习，以及癌症高通量测序（NGS）分析。Thomas Derrien 个人页面 BINGO 团队资料将其全称列为 Biologie In silico for Non-coding Genome and Oncology，隶属 IGDR、CNRS UMR6290、Université de Rennes 和 ERL Inserm，并列出 Derrien 与 Blum 为联系人。BINGO 团队资料

Myriam Bontonou 的优势是机器学习和基因表达结果解释。2024 年 Bioinformatics Advances 论文以她为第一作者，列出的贡献包括基因表达分析模型的研究构思、数据整理、方法、软件和验证。Bioinformatics Advances 论文

近期重要论文及其关联

Blum 的近期及较早相关论文支持该课题方向：

• Cirscan，2024： 提供工具识别癌症数据中活性存在差异的 circRNA–miRNA–mRNA 调控子网络。它不是单细胞 GRN 方法，但显示团队有调控网络工具开发和癌症转录组分析经验。Cirscan 论文
• EBioMedicine，2023： Blum 参与的论文在患者来源胰腺癌细胞中测试针对增强子启动通路的干预，并研究 basal 与 classical 亚型之间的基因表达网络重编程，与 PDAC 状态转换主题接近。胰腺癌研究论文
• DECONbench，2021（历史工作）： 由 Blum 和 Magali Richard 共同推动，比较用于肿瘤异质性量化的解卷积方法。其基准测试经验与岗位提到的 data challenges 相关，但不计入近三年的论文。DECONbench 论文

Bontonou 的 2024 年研究比较统计与机器学习基因表达分析方法，强调结果可解释性。论文同时指出，高分类性能和重要基因排序不足以证明对生物过程已有完整解释：不同方法会给出不同的高排名基因。对本课题而言，需要把预测效果、调控关系和因果证据分开评价。Bioinformatics Advances 论文

Clinical Cancer Research 的另一篇 PDAC 单细胞图谱论文汇集了 229 份胰腺样本，发现 CXCL10+ 成纤维细胞与 basal 亚型肿瘤细胞之间的关联，说明大规模 PDAC 单细胞数据整合能产生有价值的科学问题。不过，该论文不能证明其图谱就是博士项目介绍中的具体数据集。PDAC 单细胞图谱论文

实验室资源与合作环境

计算研究环境较为可信。官方说明称，博士工作主要在 IGDR 的新兴 BINGO 团队开展，获得 @OMICs 和 AIMPACT 合作单位的支持，并使用 GenOuest 和 Eskemm 等本地计算／存储基础设施。官方招聘说明

@OMICs 是结合实验与计算的多学科团队，研究肿瘤生态系统的空间及时间动态，服务于早期检测、诊断和治疗反应研究。 @OMICs 团队介绍 GenOuest 提供生物信息学基础设施、工具、技术支持、云／集群模式、GPU 资源和 2 PB 存储。GenOuest 平台介绍 Eskemm Data 则为布列塔尼地区高等教育和科研提供托管及云服务。Eskemm Data 这些是平台能力，并不等于博士生已获某个固定算力或存储额度，实际使用安排需进一步确认。

资助、申请与生活成本

官方条款较具体，但仍有缺项：全职 36 个月博士合同，工作地点为 35043 Rennes，计划于 2026 年 12 月 1 日入职，月薪至少 2300 欧元，每年休假与 RTT 合计 44 天，可安排远程工作及补偿，交通费用报销 75%，可持续出行补助最高 300 欧元。申请截止时间为 2026 年 10 月 27 日（星期二）23:59。官方招聘说明

薪资应按招聘说明保留为“月薪至少 2300 欧元”，因为该说明没有写税前或税后。法国国家博士门户介绍，公法博士合同是公共机构和国家研究机构博士生的雇佣合同，通常为三年；自 2026 年 1 月 1 日起，最低工资达到每月税前 2300 欧元。法国国家博士门户 这一全国标准与岗位金额一致，但不能替代对本岗位具体工资和扣款方式的确认。

雷恩大学提供了学生生活成本参考，但这些数字不能直接推导个人结余。Université de Rennes 的生活成本页面给出：私人单间每月 450—700 欧元，合租每月 350—550 欧元，食品 250—300 欧元，水电等费用 50—100 欧元；其私人／合租住宿情景下的平均月预算参考为 550—950 欧元。雷恩生活成本页面 该页面总预算参考与逐项费用的覆盖范围并不清楚，不能再次叠加，也不能视为个人预算。应按实际住房选择另列工资扣款、押金、保险和搬迁开支，再判断现金需求。

博士注册费、CVEC 和其他费用是否覆盖尚未确认，因此应将其理解为带薪博士岗位，不能直接写成所有费用均已覆盖的全额奖学金。

申请背景与准备

已公布条件与背景判断

招聘说明没有正式列出必需技能。不能把研究方法清单变成申请者必须已经掌握的准入要求。根据课题任务及相关 AIMPACT 工程师岗位，较自然的背景包括生物信息学、计算生物学、生物统计学、应用数学、数据科学、机器学习或计算癌症生物学。能增强材料说服力的证据包括单细胞 RNA 测序分析、GRN 推断、Python／R、可复现工作流程、模型比较，以及足以讨论 PDAC 亚型和肿瘤微环境信号的癌症生物学知识。官方招聘说明；Inria AIMPACT 岗位介绍

仅有实验经历而没有编程证据、无法解释生物学数据的泛 AI 背景，或期待主要研究医学影像临床 AI 的申请者，与课题任务的契合度较低。本项目更接近计算调控生物学，其可能成果包括机制假说、基准测试和候选调控因子优先级分析。

优先经历与建议准备

建议准备一到两个可复现的单细胞分析 notebook，简要比较 SCENIC 风格 GRN 推断与基础模型嵌入表征，并整理一份解释 PDAC basal-like／classical／中间状态的生物学笔记。在联系团队前，可阅读至少一篇近期 GRN 多组学综述、一篇单细胞基础模型论文和一篇导师相关癌症组学论文。GRN 重建综述；scGPT，Nature Methods；EBioMedicine 胰腺癌研究

以上属于根据任务提出的准备建议，招聘说明没有公布必需／优先经验或语言标准。官方特别约束栏为 RAS（未报告特别事项）；国籍、PPST／安全审查和签证也未作为限制列出，应向 CNRS 或招生部门询问个别行政条件。不能因研究主题推定中国申请者被排除，也不能因未列限制就确认其已符合全部资格。

下一步与待确认问题

提交申请前

确认授位大学和博士学院、正式入学标准，以及是否有语言、学历等效认定、国籍、签证或个别审查要求。确认完整申请材料清单、材料所用语言，以及导师是否欢迎提前提交研究陈述。核实每月 2300 欧元是税前还是税后，以及国际博士雇员大致到手收入范围。

面试时

确认可使用的是哪一个 PDAC 图谱、数据治理及使用条件，以及超过 100 万细胞、超过 200 名患者的数据是否已经完成清洗和整合。询问预期采用哪些基础模型和常规 GRN 基线，在 GenOuest／Eskemm 上能实际分配多少算力，以及如何开展生物学验证。

进一步确认博士成功标准主要是方法论文、生物学调控因子分析、可复用软件、data challenge，还是这些成果的组合。应让基础模型比较有清楚的评价设计，避免计算结果解释超出实际生物学验证所能支持的范围。

接受录取前

确认 Yuna Blum、Thomas Derrien 和 Myriam Bontonou 的导师分工、例会频率、论文发表预期、会议／培训预算、数据访问审批、入职日期调整空间、注册费／CVEC，以及搬迁支持。若合同与注册安排清楚，且研究范围能够支持可发表成果，这项机会具有较强吸引力。

证据与来源

官方项目、合同与资助

• UMR6290-YUNBLU-001 官方招聘说明
• 法国国家博士门户：公法博士合同
• Campus France 博士资助概览

导师、团队与计算资源

• Yuna Blum 个人页面
• Yuna Blum 研究页面
• Thomas Derrien 个人页面
• BINGO 团队资料
• @OMICs 团队介绍
• GenOuest 生物信息学平台
• Eskemm Data

学校排名与生活成本

• Université de Rennes 国际排名页面
• QS Université de Rennes 页面
• THE University of Rennes 1 页面
• 雷恩生活成本页面

研究方法、论文与领域背景

• Inria AIMPACT 相关岗位介绍
• SCENIC
• scGPT
• 单细胞多组学 GRN 重建综述
• CNRS 单细胞技术介绍
• EBioMedicine 胰腺癌研究论文
• Cirscan 论文
• DECONbench 论文
• PAMG 论文
• PDAC 单细胞图谱论文
• Bioinformatics Advances 基因表达分析论文
• OECD 医疗岗位数字与 AI 技能报告
• 欧盟委员会医疗人工智能页面