Ce projet vise à analyser la variabilité des voies métaboliques dans les réseaux métaboliques spécifiques aux contextes. Le script principal, main.py, contient un exemple d'analyse de variabilité de voies métaboliques utilisant le modèle Zebrafish1.

Ce projet vise à analyser et à comprendre la diversité et l'activité des communautés microbiennes marines à partir de l'étude de génomes bactériens et archéens. Il comprend la reconstruction de réseaux métaboliques, l'étude de la diversité et de l'activité des communautés, ainsi que la modélisation de l'impact des facteurs biotiques sur la structure de ces communautés.

Outil dédié à l'analyse et au mappage flexible d'identifiants de métabolites ou de lipides identifiés par métabolomique ou lipidomique vers des réseaux métaboliques. Basé sur l'ontologie ChEBI, il permet de faire correspondre des molécules précises à des descriptions plus génériques dans les réseaux, facilitant ainsi l'intégration et l'interprétation des données biologiques complexes.

Outil dédié à la représentation graphique de réseaux métaboliques, notamment les voies métaboliques. Il permet d'organiser et de dessiner des graphes bipartites composés de métabolites et de réactions, en tenant compte des réactions réversibles et des composés secondaires comme l'ATP ou l'eau. Le projet génère des positions optimisées pour les nœuds afin de faciliter la visualisation et l'analyse des interactions biochimiques.

MetExplore 3 Java est une plateforme dédiée à l'analyse et à l'exploration des réseaux métaboliques. Elle permet aux chercheurs et biologistes de charger, visualiser et analyser des données issues de bases de données biologiques comme KEGG ou ChEBI. L'outil facilite l'intégration de réseaux métaboliques, la comparaison de voies métaboliques et la gestion de collections de données pour des études en métabolomique et biologie des systèmes.

Metage2metabo est un outil Python3 qui permet d'effectuer une analyse graphique basée sur la métabolomique à partir de génomes annotés. Il utilise Pathway Tools de manière automatique et parallèle pour reconstruire des réseaux métaboliques pour un grand nombre de génomes. Les réseaux métaboliques obtenus sont ensuite analysés individuellement et collectivement pour obtenir la valeur ajoutée de la coopération métabolique dans un microbiote par rapport à la métabolomique individuelle et pour identifier et filtrer les organismes intéressants parmi tous.

Met4J est une bibliothèque open source en Java dédiée à l'analyse structurale des réseaux métaboliques. Elle permet de manipuler, convertir et analyser des fichiers SBML, KEGG et TSV, tout en offrant des outils pour l'édition de réseaux métaboliques, le calcul de masses moléculaires et l'intégration de données omiques. Développée par la plateforme MetExplore, elle est utilisée en recherche biologique et métabolomique.

MetExplore Database est une base de données relationnelle dédiée à l'exploration des réseaux métaboliques. Elle stocke des modèles biologiques, des références de bases de données et des contextes publics pour les métabolites et réactions. Utilisée principalement par des chercheurs et développeurs en bioinformatique, elle permet de tester et valider des outils d'analyse métabolomique dans un environnement contrôlé.

MANA est un outil d'analyse et de modélisation dédié à l'identification assistée des mécanismes d'action métabolique. Il permet de construire des modèles de réseaux métaboliques spécifiques à partir de données d'expression génique, d'identifier les réactions métaboliques différentiellement activées, et d'extraire des sous-réseaux minimaux représentatifs des mécanismes d'action de composés chimiques. L'outil facilite la compréhension des effets métaboliques induits par des expositions chimiques.

Outil dédié à la standardisation et à la comparaison de réseaux métaboliques. Il permet d'identifier les différences entre un réseau cible et un réseau de référence en analysant les métabolites et les réactions. Le projet génère des fichiers de correspondance, des scores de similarité et des listes d'entités uniques ou divergentes, facilitant ainsi la normalisation des données biologiques.