Résultats de recherche

Nos conférenciers principaux pour 2026 sont la professeure Roosmarijn Vandenbroucke (Université de Gand) et la professeure Nelly Litvak (Université technologique d'Eindhoven). Plus d'infos sur le site "Women in science"

Abstract Primarily described as an alarmone, secondary messenger (p)ppGpp, when accumulated, binds to many targets involved in DNA replication, translation, and transcription. In the asymmetrically-dividing a-proteobacterium Caulobacter crescentus, (p)ppGpp has been shown to strongly impact cell cycle progression and differentiation, promoting the non-replicating G1/swarmer phase. Mutations in the major subunits of transcriptional complex, b or b’ subunits, were able to display the (p)ppGpp-related phenotypes even in the absence of the alarmone. We identified that the transcriptional holo-enzyme, RNA polymerase (RNAP) is a primary target of (p)ppGpp in C. crescentus. Furthermore, mutations that inactivate (p)ppGpp binding to RNAP annihilated the (p)ppGpp-related phenotypes and phenocopied a (p)ppGpp0 strain. Our RNAseq analysis further elucidated the changes in the transcriptional landscape of C. crescentus cells displaying different (p)ppGpp levels and expressing RNAP mutants. Since the DNA replication initiation protein DnaA is required to exit the G1 phase, we observed that it was significantly less abundant in cells accumulating (p)ppGpp. We further explored its proteolysis under the influence of (p)ppGpp. Our work suggests that (p)ppGpp regulates cell cycle and differentiation in C. crescentus by reprogramming transcription and triggering proteolytic degradation of key cell cycle regulators by yet unknown mechanisms. In Part II, we identified two σ factors belonging to the ECF family that might be involved in this (p)ppGpp-accompanied phenotypes. In Part III, we propose an overlapping role of the ω subunit, RpoZ, and the heat shock subunit, RpoH, in carbon metabolism.JuryProf. Gipsi LIMA MENDEZ (UNamur), PresidentProf Régis HALLEZ (UNamur), SecretaryDr Emanuele BIONDI (CNRS-Université Paris-Saclay)Prof. Justine COLLIER (University of Lausanne)Dr Marie DELABY (Université de Montréal)

Abstract Estrogens originating from human and animal excretion, as well as from anthropogenic sources such as cosmetics, plastics, pesticides, detergents, and pharmaceuticals, are among the most concerning endocrine-disrupting compounds in aquatic environments due to their potent estrogenic activity. While their effects on fish reproduction are well documented, their impact on development, particularly metamorphosis, remains poorly studied. This hormonal transition, mainly controlled by the thyroid axis, is essential for the shift from the larval to the juvenile stage in teleosts.The effects of two contraceptive estrogens on zebrafish (Danio rerio) metamorphosis were evaluated: 17α-ethinylestradiol (EE2), a synthetic reference estrogen, and estetrol (E4), a natural estrogen recently introduced in a new combined oral contraceptive formulation. Continuous exposure from fertilization to the end of metamorphosis allowed the assessment of morphological changes, disruptions of the thyroid axis, and modifications of additional molecular pathways potentially involved in metamorphic regulation.EE2 induced significant delays and disturbances in metamorphosis, affecting both internal and external morphological traits, confirming its role as an endocrine disruptor of concern. In contrast, E4 did not cause any detectable morphological alterations even at concentrations far exceeding those expected in the environment, indicating a limited ecotoxicological risk. Molecular analyses showed that EE2 strongly affected thyroid signaling and energy metabolism during metamorphosis, whereas E4 induced only minor transcriptional and proteomic changes.This study provides the first evidence that EE2 can disrupt zebrafish metamorphosis and highlights the importance of including this developmental stage in ecotoxicological assessments. The results also suggest a larger environmental safety margin for E4, although further research is needed to clarify the mechanisms linking estrogen exposure to metamorphic regulation.JuryProf. Frederik DE LAENDER (UNamur), PrésidentProf. Patrick KESTEMONT (UNamur), SecrétaireDr Sébastien BAEKELANDT (UNamur)Dr Valérie CORNET (UNamur)Prof. Jean-Baptiste FINI (Muséum National d’Histoire Naturelle de Paris)Dr Marc MULLER (ULiège)Prof. Veerle DARRAS (KULeuven) 

2025 theme: Stress and emotions in animals The purpose of the symposium aligns with the missions of BCLAS to promote the replacement, reduction and refinement of laboratory animal use by driving reflection, sharing information, providing education and support to the scientific community, authorities and public, in order to lead to an ethical, responsible and qualitative research enabling further improvement in human & animal health.

Charting the DNA methylome landscape in cancer, chronic disease and phenotype Abstract: Our team has developed some of the first pipelines for genome-scale DNA methylation analysis. Our work has revealed aberrant methylation and expression patterns in several cancer types and revealed new mechanism of epigenetic regulation in cancer cells. We are now applying cutting-edge whole genome scale DNA methylation analysis in tissues as well as well as in cell free DNA (epigenetic liquid biopsy) and epigenetic editing platforms to investigate clinically relevant biomedical questions in cancer (for example, methylation map of colorectal, prostate, lung cancer and pancreatic cancer patients). Our work in epigenetic editing has implication in revealing causal function and new epigenetic regulation. In this talk, I will present the key findings from some of our works over the years and also elaborate on some recent and future directions in understanding the role of DNA methylation events in cancer metastasis, early detection, and treatment monitoring in solid cancers and also in chronic diseases and phenotype. More information on the ILEE website

Abstract Radiotherapy is a cornerstone of cancer treatment and is currently administered to approximately half of all cancer patients. However, the cytotoxic effects of ionizing radiation on normal tissues represent a major limitation, as they restrict the dose that can be safely delivered to patients and, consequently, reduce the likelihood of effective tumor control. In this context, delivering radiation at ultra-high dose rates (UHDR, > 40 Gy/s) is gaining increasing attention due to its potential to spare healthy tissues surrounding the tumor and to prevent radiation-induced side effects, as compared to conventional dose rates (CONV, on the order of Gy/min).The mechanism underlying this protective effect—termed the FLASH effect—remains elusive, driving intensive research to elucidate the biological processes triggered by this type of irradiation.In vitro models offer a valuable tool to support this research, allowing for the efficient screening of various beam parameters and biological responses in a time- and cost-effective manner. In this study, multicellular tumor spheroids and normal cells were exposed to proton irradiation at UHDR to evaluate its effectiveness in controlling tumor growth and its cytotoxic impact on healthy tissues, respectively.We report that UHDR and CONV irradiation induced a comparable growth delay in 3D tumor spheroids, suggesting similar efficacy in tumor control. In normal cells, both dose rates induced similar levels of senescence; however, UHDR irradiation led to lower apoptosis induction at clinically relevant doses and early time points post-irradiation.Taken together, these findings further highlight the potential of UHDR irradiation to modulate the response of normal tissues while maintaining comparable tumor control.JuryProf. Thomas BALLIGAND (UNamur), PrésidentProf. Stéphane LUCAS (UNamur), SecrétaireProf. Carine MICHIELS (UNamur)Dr Sébastien PENNINCKX (Hôpital Universitaire de Bruxelles)Prof. Cristian FERNANDEZ (Université de Bern)Dr Rudi LABARBE (IBA)

La deadline d'inscription et de soumission pour les abstracts : 20 août 2025.  Plus d'infos sur le site internet de l'Institut NARILIS

Flamure Ibrahimi est doctorante en gestion des services et du marketing au Centre de recherche NaDI-CeRCLe de l'Université de Namur (Belgique) à la Faculté EMCP, sous la supervision du Prof. Dr Wafa Hammedi (Université de Namur) et du Prof. Dr Linda Alkire (Texas State University). Elle vient de recevoir la prestigieuse bourse ServCollab Scholarship 2026, une distinction internationale qui récompense et soutient les doctorants dont les travaux s’inscrivent dans le champ de la Transformative Service Research (TSR), des projets doctoraux à haut impact pour la société et l’humanité.

Soutenu par le programme Win4SpinOff du SPW Recherche, et portés par les Universités de Liège au sein du Laboratoire de Spectrométrie de masse (MSLab, Faculté des sciences), et de Namur, au sein du Laboratoire de Biologie Moléculaire du Cancer, (NARILIS, LBMC, Faculté de médecine), le projet VENOM2 explore le potentiel des peptides issus de venins animaux pour développer de nouvelles solutions diagnostiques et thérapeutiques en oncologie.

La découverte du nucléaire a marqué un tournant dans l’histoire de l’humanité. Aujourd’hui, parallèlement aux débats qui concernent sa place dans la production d’énergie et ses potentialités destructrices, le nucléaire continue d’être utilisé dans de multiples domaines, comme la recherche médicale et les thérapies contre le cancer. À l’UNamur, le nucléaire est ainsi au cœur du travail de biologistes, physiciens ou encore historiens de l’art.

Le F.R.S.-FNRS a publié ce 23 juin 2026, la liste des lauréats aux différents mandats doctorants et postdoctorants et projets Télévie (recherche axée sur le cancer). Parmi ceux-ci, de nombreux chercheurs de l'UNamur ont obtenu un financement.

Abstract La maintenance prédictive (PdM) est de plus en plus utilisée pour améliorer la fiabilité des systèmes, réduire les temps d’arrêt et optimiser les coûts opérationnels dans des environnements industriels complexes grâce à la détection d’anomalies. À mesure que les systèmes industriels deviennent plus complexes, avec des composants inter- agissant entre eux et surveillés par des réseaux de capteurs en constante expansion, la détection d’anomalies fait face à de nouveaux défis méthodologiques. En particulier, un manque apparaît dans la littérature qui considère la détection d’anomalies avec des méthodes traditionnelles de Machine Learning (ML) utilisant une approche Single Label Classification (SLC), inadaptée lorsque plusieurs défaillances peuvent survenir simultanément.Les approches traditionnelles de détection d’anomalies basées sur des méthodes de ML utilisant une formulation SLC supposent que chaque observation appartient à une seule catégorie d’anomalie. Cette hypothèse ne tient pas lorsque plusieurs défaillances surviennent simultanément sur le même équipement, ce qui entraîne une perte d’information. Ceci commence par une illustration de cette limite à travers un exemple concret montrant que l’utilisation d’une approche SLC au lieu d’une formulation multi-label dégrade la classification des anomalies simultanées. Pour répondre à ce problème, la détection d’anomalies est reformulée comme un problème de Multi Label Classification (MLC), permettant de détecter plusieurs défaillances au sein d’un même pas de temps. Suite à cette reformulation, la problématique du choix des classificateurs multi- label adaptés au contexte de la Predictive Maintenance (PdM) doit être étudiée. La conclusion générale de la littérature est que la performance des classificateurs dépend fortement du contexte et qu’il existe un grand nombre de méthodes de détection sans qu’aucune ne soit universellement dominante. Bien que des études comparatives approfondies existent dans le domaine du MLC, les jeux de données issus de systèmes complexes sont absents de ces comparaisons, alors même qu’ils présentent des caractéristiques spécifiques telles que des structures en séries temporelles multivariées, un fort déséquilibre des labels et des interactions complexes entre composants.Pour combler ce manque, un protocole d’évaluation structuré et reproductible est proposé afin d’évaluer huit méthodes de ML à l’état de l’art dans un cadre MLC sur trois jeux de données industriels publics. Les résultats confirment que la performance des classificateurs dépend fortement des caractéristiques du jeu de données et qu’aucune méthode ne domine systématiquement tous les scénarios. Toutefois, réaliser ce type de comparaison pour chaque nouveau contexte industriel est coûteux en termes de temps, de ressources computationnelles et de besoins en données, ce qui limite sa faisabilité pour un déploiement industriel réel. La thèse aborde également cette problématique par la réduction de dimension et les méthodes de sélection de variables. Les systèmes de PdM génèrent de grands ensembles de données multivariées dont seule une partie des variables est réellement pertinente pour la détection d’anomalies. Une stratégie évolutionnaire auto-adaptative est proposée pour effectuer une sélection de variables de type wrapper et obtenir un sous-ensemble ne contenant que les variables les plus informatives. Les résultats expérimentaux montrent que la réduction de l’espace des variables améliore l’efficacité computationnelle et, dans la plupart des cas, la performance de prédiction des anomalies. La comparaison de la méthode proposée avec des approches métaheuristiques issues de l’état de l’art sur trois jeux de données PdM et cinq méthodes de détection d’anomalies confirme sa compétitivité en termes de performance prédictive et de taille optimale du sous-ensemble de caractéristiques sélectionné. Enfin, la réduction de l’espace des caractéristiques optimise non seulement les ressources nécessaires à la détection, mais réduit également le nombre de signaux que les techniciens doivent analyser lors des investigations de recherche de cause racine. Cette simplification vise à renforcer la confiance dans le système. Enfin, la thèse traite des aspects pratiques du déploiement des méthodes de détection dans les systèmes complexes. Parmi ceux-ci, on observe un manque de confiance et de transparence chez les techniciens de maintenance et les décideurs. Une analyse de l’interprétabilité et la robustesse des méthodes de détection d’anomalies est fournie afin de contribuer directement à leur déploiement en conditions réelles. Tout d’abord, la stratégie de sélection de variables proposée est évaluée sur un jeu de données PdM public à l’aide d’explications basées sur SHAP afin de vérifier la cohérence entre les variables sélectionnées et celles identifiées comme les plus importantes par des outils dédiés à l’interprétabilité. Les résultats montrent que les variables sélectionnées sont cohérentes avec les plus importantes selon ces outils. De plus, l’analyse visuelle des variables les plus influentes met en évidence que les anomalies sont associées à un sous-ensemble limité et bien défini de signaux venant des capteurs, ce qui contribue à améliorer la transparence et à renforcer la confiance dans les systèmes de détection automatique. En parallèle, il est nécessaire de mener une étude de la robustesse des classificateurs multi-label dans des scénarios contrôlés de dégradation de capteurs, incluant différentes familles de dégradations et plusieurs niveaux de sévérité. Les résultats montrent que la performance des classificateurs peut fortement se dégrader, en particulier en présence de dérives progressives. Pour atténuer cet effet, l’introduction de dégradations de capteurs durant l’entraînement apparaît comme une stratégie pertinente. Finalement, cette thèse propose un cadre structuré pour la détection d’anomalies multi-label dans les systèmes complexes, couvrant les méthodes de classification, l’optimisation de l’espace des variables, l’interprétabilité et la robustesse. Pour chacun de ces aspects, la thèse adopte un point de vue industriel et prend en compte les différences entre les conditions expérimentales contrôlées en laboratoire et les contraintes supplémentaires des environnements complexes réels. Le jury Prof. Katrien Beuls - Université de Namur, BelgiqueProf. Elio Tuci - Université de Namur, BelgiqueProf. Patrick Heymans - Université de Namur, BelgiqueProf. Jenni Raitoharju - Université de Jyväskylä, FinlandeMr. Fabio Pinna - Telespazio, BelgiqueMr. Vito Trianni - ISTC-CNR, Italie Je m'inscris