Bienvenue sur mon site académique!
Je suis chercheur postdoctoral en mathématiques appliquées et en biologie computationnelle à l’Institut Imagine à Paris, où je travaille au sein du Ricci Lab depuis juillet 2025. Mes recherches portent sur l’analyse de données transcriptomiques unicellulaires, l’inférence de réseaux de régulation génique, et l’optimisation et le contrôle de systèmes biologiques par apprentissage automatique et modélisation mathématique.
En décembre 2024, j’ai soutenu ma thèse à l’Université Lyon 1, sous la direction de Hugues Berry, au sein de l’équipe AIstroSight à Inria Lyon. Mes travaux doctoraux portaient sur la modélisation de la signalisation intracellulaire dans des milieux spatialement hétérogènes, combinant approches mécanistes et méthodes d’apprentissage statistique.
Intérêts de recherche
Mes recherches se situent à l’interface entre modélisation mathématique, apprentissage automatique et découverte biologique. Je développe des cadres computationnels pour comprendre la dynamique cellulaire à plusieurs échelles—des trajectoires de molécules uniques aux réseaux de régulation génique et aux décisions de destin cellulaire.
Mes axes de recherche actuels incluent :
- Transcriptomique unicellulaire : Développement de pipelines d’analyse complètes pour données scRNA-seq, incluant inférence de trajectoires, prédiction de destin cellulaire et reconstruction de réseaux régulateurs
- Systèmes dynamiques & optimisation : Apprentissage de dynamiques biologiques à partir de données omiques pour effectuer optimisation et contrôle de processus cellulaires
- Apprentissage automatique informé par la physique : Intégration de modèles mécanistes avec l’apprentissage profond pour obtenir des prédictions robustes et interprétables pour applications thérapeutiques
- Hétérogénéité spatiale et temporelle : Modélisation de l’influence de la compartimentalisation, l’encombrement moléculaire et du transport anormal sur la signalisation cellulaire
Je combine diverses approches mathématiques (EDO, EDS, EDP, transport optimal, processus stochastiques) avec des outils modernes d’apprentissage automatique (PyTorch, TensorFlow) pour traiter des problèmes inverses, de théorie du contrôle et d’identification de systèmes en contexte biologique.
À propos
En parallèle de mes recherches, je contribue activement à la vie scientifique en organisant des événements pour les jeunes chercheuses et chercheurs avec le réseau Imabio Young Scientist Network. Je suis passionné par la traduction d’avancées computationnelles en applications biomédicales à fort impact et par la construction de ponts entre mathématiques, informatique et biologie.
Je développe des outils open-source pour rendre des méthodes avancées accessibles aux biologistes expérimentaux, notamment SPTools et MLFCS.