Ce projet interdisciplinaire a pour objectif de développer des modèles multi-échelles des systèmes biologiques en étudiant les interactions entre métabolisme et régulation. Bien que des approches comme l'analyse de flux métaboliques intégrant la régulation (r-FBA) et la modélisation métabolique basée sur les ressources (RBA) existent, leur application est limitée par la difficulté à construire des modèles réalistes à partir de données expérimentales. Le projet aborde trois défis principaux : la diversité des cadres
théoriques, qui complique l'établissement de catalogues de modèles standardisés, le manque de données pour déduire les règles de régulation métabolique, et l’absence de méthodes informatique pour apprendre ces règles à partir de grands ensembles de données, ce qui nécessite de résoudre des problèmes complexes d'optimisation combinatoire et linéaire. Les progrès récents en mesures haut débit et des outils comme Merrin-ASP ouvrent désormais des perspectives pour surmonter ces obstacles.
L’objectif est de créer un cadre de modélisation intégratif capturant les interactions entre régulation et métabolisme, incluant leurs boucles de rétroaction. Ce cadre combinera des modèles basés sur les flux, des modèles de coût enzymatique (protéomique quantitative), et une analyse de flux intégrant la régulation (données RNA-seq de mutants). Il sera d’abord appliqué pour affiner les modèles d’E. coli et B. subtilis, puis se concentrera sur Ralstonia solanacearum, un pathogène végétal majeur, afin de comprendre comment les pathogènes adaptent leur métabolisme lors de l’invasion de l’hôte. Un défi clé est de développer des méthodes d’inférence par résolution de contraintes pour confronter simulations et données expérimentales, en utilisant des techniques avancées de programmation par contraintes pour résoudre des problèmes de satisfiabilité hybrides, garantissant la robustesse des méthodes.