Diplôme Universitaire Artificial INtelligence and Systems Immunology (AINSI)
- Sciences et technologies
- Médecine et Santé
Résumé
Comprendre les méthodes d’IA appliquées à l’immunologie computationnelle et leurs applications (design d’épitopes, diagnostics, immunothérapie personnalisée), tout en maîtrisant les outils bioinformatiques et les bases de données pour l’analyse des données En savoir plusObjectifs
Détails
Une formation internationale, intensive et professionnalisante
Des compétences recherchées pour la médecine de demain
Accéder aux sections de la fiche
Présentation
L'intelligence artificielle (IA) est devenue essentielle en immunologie en permettant par exemple la prédiction d’antigènes et néoantigènes, de la dynamique spatiale et temporelle des cellules immunitaires, et l’amélioration de l'ingénierie immuno-thérapeutique.
Pour répondre à ce besoin, le Diplôme Universitaire Artificial INtelligence and Systems Immunology (DU AINSI) propose une formation, entièrement en anglais, organisée sur 10 jours en 2 modules combinant cours théoriques et ateliers pratiques, pour un total de 70h.
Par la découverte des outils d’IA et de leurs applications en immunologie, les objectifs du DU sont de comprendre les méthodes d’IA appliquées à l’immunologie computationnelle (design d’épitopes, diagnostics immunologiques, immunotoxicologie et approches d’immunothérapie personnalisée) et de maîtriser les outils bioinformatiques simples et l’utilisation de bases de données pour les analyses omics en immunologie computationnelle.
Effectif : limité à 16 places
Enjeux
Objectifs spécifiques de la formation :
- Détecter les biomarqueurs immunologiques et améliorer le diagnostic, l’analyse d’images et de cytométrie grâce à la maitrise de l’IA
- Modéliser les interactions moléculaires et personnaliser les stratégies d’immunothérapie et stratifier les patients (immuno-oncologie et autoimmunité) grâce à une exploitation des techniques IA intégrées
- Prédire et analyser les risques immunotoxiques des médicaments, vaccins et thérapies innovantes, identifier les signatures transcriptomiques d’immuno-toxicité et prédire les interactions entre médicaments et système immunitaire grâce à l’exploitation maîtrisée de l’IA
- Prédire et sélectionner des épitopes en vaccinologie et immunothérapie, optimiser l'immunogénicité et diminuer l’évasion immunitaire des pathogènes et des cellules grâce aux principes de l’IA
- Maîtriser l’analyse des données immunologiques à grande échelle pour modéliser les dynamiques du système immunitaire et développer des cartes immunitaires numériques prédictives de l’évolution des maladies inflammatoires et infectieuses
Lieux
Salle de conférence de l'hôtel St Paul, Nice (à confirmer) :
29 Bd Franck Pilatte, 06300 Nice
Partenariats
Laboratoires
Établissements
| Rectorat d'Aix-Marseille ou de Nice | |
| Région Provence Alpes-Côte d'Azur | |
| Université de Toulon | |
| Aix-Marseille Université | |
Admission
Pré-requis
Niveau(x) de recrutement
Public ciblé
- Chefs de projet scientifiques
- Chercheurs
- Enseignants-chercheurs
- Cliniciens
- Doctorants
- Ingénieur d’études
- Ingénieur de recherche
Candidature
Modalités de candidature
Les candidatures doivent s'effectuer, à partir du 15 septembre 2026, via la plateforme eCandidat d'Université Côte d'Azur.
Si vous rencontrez des difficultés pour vous inscrire, veuillez consulter le manuel d'utilisation d'eCandidat.
Date limite de candidature : 29/11/2026
Programme
Contenu de la formation
- Module 1 – Introduction to Artificial Intelligence
-
- Formation par EFELIA
- Théorie et mise en pratique
- Module 2 – AI and Immunodiagnostics
-
- detection of immunological biomarkers (e.g., cytokines, autoantibodies, TCR/BCR sequencing, plasma proteins)
- combining genetic and clinical and environmental data for health diagnostics and predictive modeling
- diagnosis of autoimmune, infectious, and cancer-related diseases through deep learning
- analysis of imaging and cytometry data
- prediction of graft survival and the effectiveness of immunosuppressive therapies
- Module 3 – AI and Personalized Immunotherapy
-
- model molecular interactions
- personalize immunotherapy strategies and anticipate responses to immune checkpoint inhibitors using AI
- understand host-tumor interaction analyses through deep learning to optimize CAR-T therapies and anticancer vaccines
- stratify patients using machine learning
- predict graft survival and the effectiveness of immunosuppressive therapies
- Module 4 – AI and Epitope Design
-
- predict and select epitopes in vaccinology and immunotherapy
- optimize immunogenicity and reduce immune evasion by pathogens and cells
- use machine learning algorithms to predict B- and T-cell epitopes based on MHC-I/MHC-II interactions
- leverage databases
- Module 5 – AI and Immunomics
-
- predict and analyze immunotoxic risks of drugs, vaccines, and innovative therapies (hypersensitivity, autoimmunity, cytokine storms)
- identify transcriptomic signatures of immunotoxicity
- predict immunotoxicity (deep learning and clustering models)
- predict interactions between drugs and the immune system
Équipe pédagogique
| Nom | fonction | Laboratoire | |
| Philippe BLANCOU | Teacher-researcherr | |
Philippe.BLANCOU@univ-cotedazur.fr |
| Claudine BLIN | Researcher - Research director | |
|
|
Salvish GOOMANEE |
Junior fellow | EFELIA | |
| Mikita ARTOMOV | Teacher-researcher | BROAD Institute (USA) GWASP |
|
| Max Artyomov | Researcher - PhD | WUST/LP2M Jetbrains biolabs (Munich) |
|
| Oleg Shpynov | Researcher - PhD | WUST/LP2M Jetbrains biolabs (Munich) |
Rythme
Temps plein
- La première partie de la formation sera dispensée du lundi 25 au vendredi 29 janvier 2027 à l’hôtel St Paul, Nice
- La deuxième partie sera animée courant Juin 2027 (détails à confirmer, en fonction des disponibilités des experts)
Et après ?
Compétences visées
URL Fiche RNCP
Activités visées / compétences attestées
- Analyser les données issues des expériences issues du domaine des sciences du vivant
- Mettre en place et réaliser un processus complet de traitement de données biologiques en choisissant et en utilisant les outils mathématiques, statistiques et/ou bioinformatiques adaptés
- Participer à l’analyse des expériences d’investigations réalisées au sein d’un laboratoire scientifique en mobilisant ses connaissances dans les différents champs des sciences du vivant
Inscriptions
Coût de la formation
Tarif
6303€ incluant :
- 6000€ de coût du support pédagogique et d’infrastructure
- 103€ de Contribution de Vie Étudiante et de Campus (CVEC)
- 200€ de frais de gestion administratifs
Tarif réduit Secteur privé :
- 1 560 € pour les chercheurs académiques (secteur public) (incluant le coût du support pédagogique et d’infrastructure 1400€+ 103€ (CVEC) + 57€ de droits administratifs)
- 1 160 € pour les doctorants (incluant le coût du support pédagogique et d’infrastructure 1000€+ 103€ (CVEC) + 57€ de droits administratifs)