The chemostat : from dynamical systems to possibilistic networks | Le chémostat : des réseaux possibilistes aux systèmes dynamiques

إنجليزي. Understanding microbial ecosystem dynamics is a challenge in biological sciences. Traditional approaches face uncertainties due to sensitivity to initial conditions and parameters, among others. This study explores translating complex dynamical systems to qualitative models in order to assist in their synthesis. We use the chemostat model in continuous culture in order to investigate the fidelity of discretization when translating differential equations into a set of qualitative states and transitions. Our hypothesis is that this transformation can (1) yield insights beyond traditional methods for two-dimensional models and (2) be extended to more complex models, which are analytically hard to study. The project focuses on predicting (1) the possible states of a system and (2) all transition rules guiding state changes. This methodology is developed for simple models, revealing tendencies not found in quantitative methods, and is also successfully applied in complex models. However, the biological interpretation of the transition rules remains a work in progress since the development of this methodology still requires confrontation with empirical data.

فرنسي. La compréhension des dynamiques au sein des écosystèmes microbiens est un défi en biologie. Les approches traditionnelles sont sensibles aux fluctuations des conditions initiales et des paramètres ? Cette étude a pour objectif the traduire des systèmes dynamiques complèxes en modèles qualitatifs, afin de contribuer synthétiser leur comportement. Notre hypothèse est que cette transformation peut (1) amener des nouvelles perspectives pour les modèles à deux dimensions et (2) être étendue à des modèles plus complèxes, difficiles à étudier analytiquement. Le projet se focalise dans la prédiction (1) les états possibles du système et (2) la totalité des transitions entre ces états. Cette méthodologie est développée à partir de modèles simples, en révélant des tendances non observées dans d’autres approches, et est aussi appliquée avec succès dans des modèles plus complèxes. Pourtant, l’interprétation biologique des règles est un travail en cours qui devra faire objet de calibration sur des données expérimentales.