Conférence de Oshma Chakoory

Les travaux de recherche s’inscrivent à l’interface entre la bioinformatique, l’intelligence artificielle et la biologie des systèmes, avec un intérêt particulier pour la modélisation et la prédiction des dynamiques microbiennes à partir de données biologiques complexes.
Docteure en bioinformatique spécialisée en intelligence artificielle appliquée à la biologie, j’ai développé des approches méthodologiques combinant l'intégration multi-omique, l'apprentissage supervisé et non supervisé, ainsi que les réseaux de neurones profonds, afin d’extraire des signatures biologiques robustes et interprétables à partir de jeux de données de grande dimension.

Mes travaux doctoraux ont porté sur le développement de modèles prédictifs basés sur la structure et la composition du microbiote intestinal et vaginal, mobilisant des données métagénomiques et transcriptomiques à l’échelle de l’espèce. Dans ce cadre, j’ai conçu et validé des pipelines d’analyse complets, depuis le traitement des données NGS (outil développé : RiboTaxa pour l'analyse taxonomique du microbiote) jusqu’à l’entraînement et l’évaluation de modèles d’apprentissage automatique et profond (modèle IA développé : DeepMPTB pour prédire l'accouchement prématuré chez la femme enceinte), appliqués à des problématiques de santé humaine. Ces recherches ont conduit à cinq publications scientifiques (orcid: 0000-0002-9706-4275), au dépôt de deux brevets nationaux et un PCT internationale, ainsi qu’au développement de logiciels open-source (https://github.com/oschakoory), attestant de ma capacité à produire des contributions méthodologiques originales et valorisables.

Plus récemment, en tant qu'ingénieure en bioinformatique et IA chez Clermont Auvergne Innovation, mes activités se sont élargies au développement de modèles neuronaux déployés en conditions réelles, dans un contexte translationnel mêlant recherche académique, innovation technologique et collaboration clinique avec le CHU Estaing (Pôle Femme-Enfant). Cette expérience m’a permis de renforcer mon expertise en modélisation prédictive, en analyse de réseaux microbiens et en intégration de données multi-sources, tout en tenant compte des contraintes de robustesse, d’interprétabilité et de performance computationnelle.

Parallèlement, je porte un fort intérêt pour l’enseignement en biostatistique, bioinformatique et intelligence artificielle appliquée à la biologie, avec l’objectif de transmettre des compétences méthodologiques et critiques aux étudiantes et étudiants. Mon projet s’inscrit ainsi dans une démarche cohérente articulant recherche, innovation pédagogique et contribution aux formations de l’UFR Biologie, en adéquation avec les axes du LMGE.