Abstract Although the camera-type eyes of cephalopods and vertebrates are a canonical example of convergent morphological evolution, the cellular and molecular mechanisms underlying this convergence remain obscure. We used genomics and single cell transcriptomics to study these mechanisms in the visual system of the bobtail squid Euprymna berryi , an emerging cephalopod model. Analysis of 98,537 cellular transcriptomes from the squid visual and nervous system identified dozens of cell types that cannot be placed in simple correspondence with those of vertebrate or fly visual systems, as proposed by Ramón y Cajal and J.Z. Young. Instead, we find an unexpected diversity of neural types, dominated by dopamine, and previously uncharacterized glial cells. Surprisingly, we observe changes in cell populations and neurotransmitter usage during maturation and growth of the visual systems from hatchling to adult. Together these genomic and cellular findings shed new light on the parallel evolution of visual system complexity in cephalopods and vertebrates.

Abstract PROteolysis TArgeting Chimeras (PROTACs) induce targeted protein degradation by hijacking the intracellular ubiquitin proteasome system, thus emerging as a new strategy for drug development. However, most PROTACs generated lack cell-type selectivity and have poorly soluble in water. To address this drawback, we developed a novel PROTAC ZL216 using aptamer AS1411 as a targeting ligand of nucleolin to conjugate with a small molecule ligand of E3 ligase VHL, which shows high aqueous solubility and serum stability. Based on the differential expression of nucleolin on the cell surface, ZL216 could bind to and internalize into breast cancer cells, but not normal breast cells. Furthermore, we revealed that ZL216 promoted the formation of a nucleolin-ZL216-VHL ternary complex in breast cancer cells and potently induced nucleolin degradation in vitro and in vivo . As a result, ZL216 inhibited the proliferation and migration of breast cancer cells. These studies demonstrate that in addition to peptides and small molecule compounds, nuclei acid aptamers can also be used to generate PROTACs, which broadens the toolbox constructing PROTACs and provides a promising strategy for development of tumor-selective PROTACs.

Abstract The control of nutrient availability is critical to large-scale manufacturing of biotherapeutics. However, the quantification of proteinogenic amino acids is time-consuming and thus is difficult to implement for real-time in situ bioprocess control. Genome-scale metabolic models describe the metabolic conversion from media nutrients to proliferation and recombinant protein production, and therefore are a promising platform for in silico monitoring and prediction of amino acid concentrations. This potential has not been realized due to unresolved challenges: (1) the models assume an optimal and highly efficient metabolism, and therefore tend to underestimate amino acid consumption, and (2) the models assume a steady state, and therefore have a short forecast range. We address these challenges by integrating machine learning with the metabolic models. Through this we demonstrate accurate and time-course dependent prediction of individual amino acid concentration in culture medium throughout the production process. Thus, these models can be deployed to control nutrient feeding to avoid premature nutrient depletion or provide early predictions of failed bioreactor runs.

Abstract Single-cell transcriptomic data measured across distinct samples has led to a surge in computational methods for data integration. Few studies have explicitly examined the common case of cell-type imbalance between datasets to be integrated, and none have characterized its impact on downstream analyses. To address this gap, we developed the Iniquitate pipeline for assessing the stability of single-cell RNA sequencing (scRNA-seq) integration results after perturbing the degree of imbalance between datasets. Through benchmarking 5 state-of-the-art scRNA-seq integration techniques in 1600 perturbed integration scenarios for a multi-sample peripheral blood mononuclear cell (PBMC) dataset, our results indicate that sample imbalance has significant impacts on downstream analyses and the biological interpretation of integration results. We observed significant variation in clustering, cell-type classification, marker gene-based annotation, and query-to-reference mapping in imbalanced settings. Two key factors were found to lead to quantitation differences after scRNA-seq integration - the cell-type imbalance within and between samples ( relative cell-type support ) and the relatedness of cell-types across samples ( minimum cell-type center distance ). To account for evaluation gaps in imbalanced contexts, we developed novel clustering metrics robust to sample imbalance, including the balanced Adjusted Rand Index (bARI) and balanced Adjusted Mutual Information (bAMI). Our analysis quantifies biologically-relevant effects of dataset imbalance in integration scenarios and introduces guidelines and novel metrics for integration of disparate datasets. The Iniquitate pipeline and balanced clustering metrics are available at https://github.com/hsmaan/Iniquitate and https://github.com/hsmaan/balanced-clustering , respectively.

The traditional handover decision methods depend on the handover threshold and measurement reports, which cannot efficiently resolve the frequent handover issue and ping-pong effect in 5G (5 generation) ultradense networks. To reduce the unnecessary handover and improve the QoS (quality of service), combine with the analysis of dwell time, we propose a state aware-based prioritized experience replay (SA-PER) handover decision method. First, the cell dwell time is computed by the geometrical analysis of real-time locations of mobile users in cellular networks. The constructed state aware sequence including SINR, load coefficient, and dwell time is normalized by max-min normalization method. Then, the handover decision problem in 5G ultradense networks is formalized as a discrete Markov decision process (MDP). The random sampling and small batch sampling affect the performance of deep reinforcement learning methods. We adopt the prioritized experience replay (PER) method to resolve the learning efficiency problems. The state space, action space, and reward functions are designed. The normalized state aware decision matrix inputs the DDQN (double deep Q-network) method. The competitive and collaborative relationships between vertical handover and horizontal handover in 5G ultradense networks are mainly discussed. And the high average network throughput and long average cell dwell time make sure of the communication quality for mobile users.

ABSTRACT A high concentration of oxalate is associated with an increased risk of kidney calcium oxalate (CaOx) stones, and the degradation of exogenous oxalate mainly depends on oxalate-degrading enzymes from the intestinal microbiome. We found that Zinc Gluconate supplement to patients with CaOx kidney stones could significantly improve the abundance of oxalate metabolizing bacteria in human body through clinical experiments on the premise of simultaneous antibiotic treatment and the imbalance of Lactobacillus and OxDC was involved in CaOx kidney stones through clinical sample analysis. Then, we identified that Zn 2+ could be used as an external factor to improve the activity of OxDC and protect Lactobacillus , achieved the preventive effect on rats with stones aggravated by antibiotics. Finally, by analyzing the three-dimensional structure of OxDC and some in vitro experiments, we propose a hypothesis Zn 2+ increases the metabolism of oxalate in humans through its positive effects on Lactobacillus and OxDC to reduce CaOx kidney stone symptoms in rats. IMPORTANCE Urinary stone disease is one of the most common urological disorders, and 70%-80% of urinary stones are calcium oxalate (CaOx) stones. We found the structural basis and metabolic mechanism by which oxalate decarboxylase metabolizes oxalate were elucidated, and Zn 2+ was illustrated to have therapeutic effects on CaOx stones by improving the tolerance of Lactobacillus to antibiotics. According to that, proper Zn 2+ levels in the diet, the consumption of more probiotic food and avoidance of the antibiotic overuse might be desirable measures for the prevention and treatment of kidney stones. Graphical Abstract

Abstract Multi‐modal combination therapy for tumor is expected to have superior therapeutic effect compared with monotherapy. In this study, a super‐small bismuth/copper‐gallic acid coordination polymer nanoparticle (BCN) protected by polyvinylpyrrolidone is designed, which is co‐encapsulated with glucose oxidase (GOX) by phospholipid to obtain nanoprobe BCGN@L. It shows that BCN has an average size of 1.8 ± 0.7 nm, and photothermal conversion of BCGN@L is 31.35% for photothermal imaging and photothermal therapy (PTT). During the treatment process of 4T1 tumor‐bearing nude mice, GOX catalyzes glucose in the tumor to generate gluconic acid and hydrogen peroxide (H 2 O 2 ), which reacts with copper ions (Cu 2+ ) to produce toxic hydroxyl radicals (•OH) for chemodynamic therapy (CDT) and new fresh oxygen (O 2 ) to supply to GOX for further catalysis, preventing tumor hypoxia. These reactions increase glucose depletion for starvation therapy , decrease heat shock protein expression, and enhance tumor sensitivity to low‐temperature PTT. The in vitro and in vivo results demonstrate that the combination of CDT with other treatments produces excellent tumor growth inhibition. Blood biochemistry and histology analysis suggests that the nanoprobe has negligible toxicity. All the positive results reveal that the nanoprobe can be a promising approach for incorporation into multi‐modal anticancer therapy.

Abstract Imbalanced purine metabolism is a key neurological basis for suicide and mood disorders (MD), wherein purinergic receptors in stress-sensitive cerebral regions are thought to be differentially activated. A hippocampal network that links the hypothalamus and prefrontal cortex implements an affective sensation of stress. We discovered that the hippocampus encoded fatal suicidal ideations in the dentate gyrus (DG) by a considerable amount of the granule cell nuclei with P2X purinoceptor 7 (P2RX7) expression, irrespective of the underlying MD. Compared to controls, patients with MD showed microglial dyshomeostasis throughout the hippocampal formation. Strikingly, P2Y purinoceptor 12 (P2RY12)-expressing microglia with segmented processes were remarkably present in the superficial layers of the medial entorhinal cortex (mEnt) in individuals with fatal suicidality. In the hypothalamic stress-sensitive nuclei, P2RY12 + microglia were more expressed in the supraoptic nucleus in MD and even higher when fatal suicidality was present. In the prefrontal cortex, P2RX7 transcripts sharply dropped in suicidal individuals, possibly removing the prefrontal inhibition of the hippocampus and hypothalamus. Confounder analysis showed that the suicide-specific molecular features faded when the postmortem delay was prolonged. Our findings imply that fatal suicidality presents with unique neuropathological alterations. The DG and mEnt are two crucial areas for deciphering the suicidal consequences. By including brain samples from legal euthanasia donors, suicide-specific biosignatures can be maximally retained. Decoding the bioactive framework through key genes, brain regions and neurological processes involved in suicide neuropathology may provide novel therapeutic strategies for suicidal individuals who are beyond the reach of mental health care.

Abstract Single-cell Assay for Transposase-Accessible Chromatin sequencing (scATAC-seq) identifies regulated chromatin accessibility modules at the single-cell resolution. Robust evaluation is critical to the development of scATAC-seq pipelines, which calls for reproducible datasets for benchmarking. We hereby present the simATAC framework, an R package that generates scATAC-seq count matrices that highly resemble real scATAC-seq datasets in library size, sparsity, and chromatin accessibility signals. simATAC deploys statistical models derived from analyzing 90 real scATAC-seq cell groups. simATAC provides a robust and systematic approach to generate in silico scATAC-seq samples with known cell labels for assessing analytical pipelines.

Abstract The metagenome embedded in urban sewage is an attractive new data source to understand urban ecology and assess human health status at scales beyond a single host. Analyzing the viral fraction of wastewater in the ongoing COVID-19 pandemic has shown the potential of wastewater as aggregated samples for early detection, prevalence monitoring, and variant identification of human diseases in large populations. However, using census-based population size instead of real-time population estimates can mislead the interpretation of data acquired from sewage, hindering assessment of representativeness, inference of prevalence, or comparisons of taxa across sites. Here, we show that taxon abundance and sub-species diversisty in gut-associated microbiomes are new feature space to utilize for human population estimation. Using a population-scale human gut microbiome sample of over 1,100 people, we found that taxon-abundance distributions of gut-associated multi-person microbiomes exhibited generalizable relationships with respect to human population size. Here and throughout this paper, the human population size is essentially the sample size from the wastewater sample. We present a new algorithm, MicrobiomeCensus, for estimating human population size from sewage samples. MicrobiomeCensus harnesses the inter-individual variability in human gut microbiomes and performs maximum likelihood estimation based on simultaneous deviation of multiple taxa’s relative abundances from their population means. MicrobiomeCensus outperformed generic algorithms in data-driven simulation benchmarks and detected population size differences in field data. New theorems are provided to justify our approach. This research provides a mathematical framework for inferring population sizes in real time from sewage samples, paving the way for more accurate ecological and public health studies utilizing the sewage metagenome. Author summary Wastewater-based epidemiology (WBE) is an emerging field that employs sewage as aggregated samples of human populations. This approach is particularly promising for tracking diseases that can spread asymptomatically in large populations, such as the COVID-19. As a new type of biological data, sewage has its own unique challenges to utilize. While wastewater samples are usually assumed to represent large populations, it is not guaranteed, because of stochasticity in toilet flushes; unlike epidemiological experiments collecting data from individuals, sample size, i.e., the human population size represented by a wastewater sample, is a fundamental yet difficult-to-characterize parameter for sewage samples. Researchers would need to aggregate data from large areas and week-long collection to stabilize data, during which, important spikes in small areas or short time scales may be lost. It also remains challenging to turn viral titers into case prevalences, evaluating representativeness, or comparing measurements across sites/studies. This study provides a framework to estimate human population size from sewage utilizing human gut-associated microorganisms. Through analysis, we demonstrate that variance of taxon abundances and single-nucleotide polymorphism as two variables that change with population size. We provide a new tool MicrobiomeCensus that performs population size estimation from microbial taxon abundances. MicrobiomeCensus outperforms generic algorithms in terms of computational efficiency while at comparable or better accuracy. Using MicrobiomeCensus, we detected population size differences in sewage samples taken in Cambridge, MA, under two sampling approaches, i.e., “grab” or “composite” sampling. This study provides a framework to utilize individual-level microbiomes to learn from sewage, paving the way to prevalence estimation and improved spatio-temporal resolutions in WBE..