Les études de métagénomiques mettent en évidence la présence et l'absence de différentes souches dans un microbiome. Pour résumer les abondances, on peut établir des graphes de co-occurence via : Rapid inference of direct interactions in large-scale ecological networks from heterogeneous microbial sequencing data, Janko Tackmann, Joao Frederico Matias Rodrigues, Christian von Mering. bioRxiv 390195; doi : https://doi.org/10.1101/390195 Cependant, ces techniques reposent sur des corrélations et non sur des causalités. Elles ne permettent pas de comprendre les interactions entre organismes. Pour cela, il est important d'intégrer une autre dimension comme les informations contenues dans les réseaux métaboliques des bactéries. Pour cela, certaines bases de données existent : Brunk E, Sahoo S, Zielinski DC, Altunkaya A, Dräger A, Mih N, et al. Recon3D enables a three-dimensional view of gene variation in human metabolism. Nat Biotechnol. Nature Publishing Group; 2018 Mar;36(3):272-81 https://github.com/cdanielmachado/carveme/tree/master/carveme Ce projet vise à proposer une stratégie pour détecter les interactions via les échanges de métabolites via Flux Variability Analysis. La stratégie sera a tester sur des données de microbiotes intestinales fournies par le projet HMP.