Le projet “Artificial Metabolic Networks” (AMN) explorera les analogies entre la dynamique métabolique (telle que décrite par des modèles mathématiques) et le fonctionnement des réseaux de neurones artificiels dans des tâches telles que le traitement du signal ou la classification. Le sujet de la thèse comprend deux principaux types de tâches:

(1) La modélisation de base du métabolisme de la bactérie modèle E. coli, basée sur des reconstructions de réseaux métaboliques existantes. Le travail comprendra l'ajustement du modèle, des simulations dans les paradigmes d'Analyse du bilan de flux (Flux Balance Analysis, FBA) et de Modélisation cinétique structurelle (Structural Kinetic Modelling, SKM), ainsi que des modifications du modèle (telles que des suppressions de gènes simulées et l'ajout de voies métaboliques). 

(2) Une analyse de la transmission de l'information via la dynamique métabolique. En combinant les modèles et la théorie établis, principalement l'Analyse du contrôle métabolique (Metabolic Control Analysis, MCA) avec la théorie de l'information, les corrélations dans la dynamique métabolique seront quantifiées, exprimées en termes d'information de Shannon et interprétées comme un moyen de transmettre des signaux à travers les fluctuations des concentrations et des flux de métabolites. En étudiant les facteurs qui influencent la transmission de l'information (par exemple par l'expression des enzymes, la régulation allostérique ou les forces thermodynamiques dans les voies métaboliques), et en faisant des analogies avec des réseaux de neurones artificiels, nous espérons apprendre comment le métabolisme cellulaire pourrait être utilisé comme dispositif de traitement de l'information. 

Le projet est basé sur la théorie et les méthodes établies pour la modélisation métabolique (modèles stoechiométriques et cinétiques, MCA, SKM) et les notions de base de la théorie de l'information (information de Shannon). Étant donné que le "transfert d'informations" peut également être utilisé pour étudier les fluctuations métaboliques en général, nous espérons que cette étude pourra également expliquer certaines caractéristiques des réseaux métaboliques naturellement évolués (par exemple, des motifs récurrents tels que le feedback par le produit d’une voie métabolique ou la distribution des différences d'énergie de Gibbs le long des voies linéaires).