De nombreuses techniques ont été développées pour inférer des réseaux booléens de régulation à partir de connaissance a priori et de données expérimentales. Les méthodes existantes sont capables de retrouver les règles booléennes pour des réseaux de régulation et signalisation, mais échouent à inférer les régulations qui contrôlent le métabolisme.
Dans ces travaux, nous présentons une nouvelle approche pour inférer les règles booléennes de régulation du métabolisme à partir de séries temporelles d'observations et de connaissance a priori. Notre méthode est basée sur la combinaison d'un solveur Answer Set Programming (ASP) et d'un solveur linéaire. En résolvant à la fois des contraintes combinatoires et d'arithmétique linéaire, nous générons des règles booléennes de régulation admissible vis-à-vis des données d'entrée.