Serina Belouar Alternance Bioinformatique

Étudiante en M1 Bioinformatique & Biostatistique (Nantes Université), spécialisée en analyse de données biologiques et machine learning. Maîtrise Python, R et SQL.
Recherche une alternance en bioinformatique / data science appliquée à la santé à partir de septembre 2026. Formation majoritairement suivie à distance permettant une présence en entreprise à temps plein hors périodes d’examens.

Analyse transcriptomique de l’inflammation cardiovasculaire

• Analyse de données RNA-seq publiques afin d’identifier des gènes impliqués dans l’inflammation cardiovasculaire.
• Problème rencontré : forte variabilité et bruit dans les données transcriptomiques rendant l’identification des signatures biologiques difficile.
• Solution apportée : mise en place d’un pipeline de normalisation, filtrage et analyse statistique pour améliorer la robustesse des résultats.
• Identification de gènes différentiellement exprimés et visualisation des voies biologiques associées.

Outils : R (DESeq2), Python, Pandas, ggplot2

Prédiction de la résistance aux antimicrobiens (AMR) – E. coli

• Développement d’un modèle de Machine Learning (Random Forest) sur données pan-génomiques à grande échelle
• Annotation des gènes et transformation en variables binaires (présence/absence) pour la modélisation
• Évaluation et optimisation via validation croisée
• Développement d’une interface permettant de charger un fichier et prédire la sensibilité ou résistance aux antibiotiques
  Outils : Python (Scikit-learn, Pandas, NumPy, Matplotlib)

Analyse statistique de données biomédicales

• Application de méthodes statistiques inférentielles (test de Student, ANOVA, Chi²) sur données réelles
• Analyse exploratoire et visualisation des distributions
• Interprétation rigoureuse des résultats pour en tirer des conclusions scientifiques fiables
  Outils : Python (SciPy, Pandas, Matplotlib, Seaborn), Excel

Développement d’un outil d’analyse de données en Python

• Conception d’un outil pour l’import, le nettoyage et l’exploration de données (CSV)
• Implémentation de fonctions statistiques et de visualisation
• Structuration du code selon les bonnes pratiques et documentation technique avec Sphinx
  Outils : Python (Pandas, Matplotlib, Seaborn, Sphinx)