- Tipo de expresión:
- Postdoctorado: Propuesta de supervisión con contrato postdoctoral ("Job Offer" u "Oferta de Empleo)
- Ámbito:
- Genómica de poblaciones forestales, Mejora genética forestal
- Área:
- Vida
- Modalidad:
- Bolsa de Trabajo
- Referencia:
- 2024 / MMT24-ICIFOR-01-01
- Centro o Instituto:
- INSTITUTO DE CIENCIAS FORESTALES
- Investigador:
- JUAN JOSE ROBLEDO ARNUNCIO
- Palabras clave:
-
- Selección genómica, arquitectura genética, conservación recursos genéticos forestales, aprendizaje automático
- Documentos anexos:
- 663320.pdf
Momenum - Postdoctoral-Modelización fenotípica mediante computación de datos masivos genómicos complementados y su aplicación a la mejora y conservación de especies forestales frente al cambio global
Mediante el análisis computacional de datos masivos genómicos y fenotípicos de especies forestales, se evaluará la arquitectura genómica de fenotipos de interés ecológico y económico (biomasa, resistencia a factores bióticos y abióticos, etc.) y se entrenarán modelos de selección genómica que permitan predecir los valores fenotípicos. Los resultados se transmitirán a agentes involucrados en la mejora y conservación de recursos genéticos forestales.
Se ofrece trabajo en equipo interdisciplinar con amplios contactos internacionales (redes EUFORGEN y EVOLTREE, proyectos EU FORGENIUS y OPTFOREST, etc.) e intensa actividad de transferencia (protocolo de gestión con el MAPAMA en actividades de conservación y mejora de recursos genéticos forestales). Análisis de datos genómicos y fenotípicos ya existentes, obtenidos en poblaciones naturales y ensayos genéticos. Uso y desarrollo de modelos basados en IA en colaboración con el grupo. Acceso a centros de computación del alto rendimiento. Plan de formación en competencias digitales, divulgación, mentoría y liderazgo, con al menos seis meses de estancias internacionales.
Se requiere: doctorado en genética, biología computacional, ciencias forestales o similar, dominio inglés, experiencia en bioinformática, genética estadística o modelos computacionales. Se valorará experiencia en genética forestal, arquitectura genética de caracteres fenotípicos complejos, predicción genómica, conocimientos estadística bayesiana, programación e IA.