El modelo Sel"kov para la glucólisis es una herramienta altamente efectiva para capturar los complejos mecanismos de retroalimentación que ocurren dentro de un sistema bioquímico. Sin embargo, predecir con precisión el comportamiento de este sistema es un desafío debido a su no linealidad, rigidez y sensibilidad a los parámetros. En este documento, presentamos un novedoso método basado en redes neuronales profundas para simular el modelo de glucólisis de Sel"kov de ADP y F6P, que supera las limitaciones de los métodos numéricos convencionales. Nuestros resultados exhaustivos demuestran que el enfoque propuesto supera a los métodos tradicionales y ofrece una mayor fiabilidad para la dinámica no lineal. Al adoptar esta técnica flexible y robusta, los investigadores pueden obtener una comprensión más profunda de las interacciones complejas que impulsan los sistemas bioquímicos.