Objective To test the independent and interactive associations of physical activity (PA) and screen time (ST) with self-reported mental health and sleep quality among Chinese college students. Method Data were collected in October, 2013. The gender, age, residential background, body mass index (BMI), perceived family economy and perceived study burden were obtained from a total of 4747 college students (41.6% males and 58.4% females). The outcomes were self-reported PA status, ST, anxiety, depression, psychopathological symptoms and sleep quality. Analyses were conducted with logistic regression models. Results Overall, 16.3%, 15.9% and 17.3% of the students had psychological problems, such as anxiety, depression and psychopathological symptoms, respectively. The prevalence of poor sleep quality was 9.8%. High ST was significantly positively associated with anxiety (OR=1.38, 95%CI: 1.15-1.65), depression (OR=1.76, 95%CI: 1.47-2.09), psychopathological symptoms (OR=1.69, 95%CI: 1.43-2.01) and poor sleep quality (OR=1.32, 95%CI: 1.06-1.65). High PA was insignificantly negatively associated with anxiety, depression, psychopathological symptoms and poor sleep. Low PA and high ST were independently and interactively associated with increased risks of mental health problems and poor sleep quality (p<0.05 for all). Conclusion Interventions are needed to reduce ST and increase PA in the lifestyles of young people. Future research should develop and measure the impacts of interventions and their potential consequences on sleep, health, and well being.

Abstract Dendritic and axonal morphology reflects the input and output of neurons and is a defining feature of neuronal types 1,2 , yet our knowledge of its diversity remains limited. Here, to systematically examine complete single-neuron morphologies on a brain-wide scale, we established a pipeline encompassing sparse labelling, whole-brain imaging, reconstruction, registration and analysis. We fully reconstructed 1,741 neurons from cortex, claustrum, thalamus, striatum and other brain regions in mice. We identified 11 major projection neuron types with distinct morphological features and corresponding transcriptomic identities. Extensive projectional diversity was found within each of these major types, on the basis of which some types were clustered into more refined subtypes. This diversity follows a set of generalizable principles that govern long-range axonal projections at different levels, including molecular correspondence, divergent or convergent projection, axon termination pattern, regional specificity, topography, and individual cell variability. Although clear concordance with transcriptomic profiles is evident at the level of major projection type, fine-grained morphological diversity often does not readily correlate with transcriptomic subtypes derived from unsupervised clustering, highlighting the need for single-cell cross-modality studies. Overall, our study demonstrates the crucial need for quantitative description of complete single-cell anatomy in cell-type classification, as single-cell morphological diversity reveals a plethora of ways in which different cell types and their individual members may contribute to the configuration and function of their respective circuits.

The ability to directly measure acetylcholine (ACh) release is an essential first step towards understanding its physiological function. Here we optimized the GRAB ACh ( G PC R - A ctivation– B ased- ACh ) sensor with significantly improved sensitivity and minimal downstream coupling. Using this sensor, we measured in-vivo cholinergic activity in both Drosophila and mice, revealing compartmental ACh signals in fly olfactory center and single-trial ACh dynamics in multiple regions of the mice brain under a variety of different behaviors

Background: Glaucoma is a multifactorial neurodegenerative disease indicating by abnormalities in the whole eye, apart from optic neuropathy, and is often associated with abnormal intraocular pressure (IOP). However, the underlying pathological mechanisms of glaucoma and the management of IOP remain largely unaddressed. Emerging evidence suggests the involvement of immune changes in glaucoma. Therefore, characterizations of immune alternations by molecular profiling of IOP-controlling tissues from both anterior and posterior eye segments including trabecular meshwork (TM) and choroid may provide insights to the disease mechanism. Methods: Bulk TM microarray data (GSE138125 and GSE27276) from primary open-angle glaucoma (POAG) and choroid single-cell transcriptome data (GSE203499) from glaucoma were downloaded from Gene Expression Omnibus (GEO) database. The two qualified TM datasets were integrated. Analyses of differential expression genes (DEGs), functional and pathway annotations, immune infiltration, and disease-related modules were performed using the POAG bulk data. Similarly, DEGs and pathway annotations, single-cell trajectory and switch gene analysis, and cell-cell communications were conducted using the choroid single-cell RNA-sequencing data. Finally, integrated analyses from the two studies were conducted to determine the glaucomatous changes between anterior and posterior IOP-controlling eye tissues. Results: A total of 102 DEGs between POAG and healthy tissues were identified from the TM data. Gene set enrichment analysis revealed five glaucoma-enriched pathways: ATP generation and metabolism, cornification and keratinization, metabolism of reactive oxygen species (ROS), humoral immune response, and platelet aggregation. Significant immune infiltrations were observed in POAG tissue, including total T cells (excluding CD8+ T cells), NK cells, monocytic lineage, endothelial cells, and fibroblasts. Furthermore, the POAG enriched pathways are primarily from T-cell infiltrations. On the other hand, fourteen distinct cell clusters were identified from the choroid single-cell data. The most evident findings were fibrosis, represented by extracellular matrix (ECM), the actin-binding pathways enrichment in pericyte-fibroblast transition, reduction in light sensitivity of melanocytes, and complex immune changes among all cell types in the pathological conditions compared to control. Taken together, an integrated analyses between the TM microarray and choroid single-cell data result in 111 significantly dysregulated genes in the disease state. These key genes participated in immune and inflammatory reactions (DUSP1, ADM, CD74, CEBPD, HLA-DPA1, ZNF331), served as potential biomarkers for neurodegenerative and autoimmune diseases (such as NR4A2), or regulated membrane integrity, vasculature calcification, ECM interactions, and cell morphology (PTP4A1, MGP, and RASD1). Overall, our integrated data analyses might provide insight to the understanding of the disease mechanism. Conclusion: By integrating bulk microarray data from TM and single-cell transcriptome data from the choroid, we systematically evaluated the glaucomatous transcriptomic changes between the anterior and posterior IOP-controlling tissue from ocular. Results indicated there was a significantly enrichment of genes belonging to the MHC-II pathway and T-cell infiltration in the disease state, opening new avenues for biomarkers discovery and therapeutic interventions to glaucoma.

Ever since the seminal findings of Ramon y Cajal, dendritic and axonal morphology has been recognized as a defining feature of neuronal types and their connectivity. Yet our knowledge about the diversity of neuronal morphology, in particular its distant axonal projections, is still extremely limited. To systematically obtain single neuron full morphology on a brain-wide scale in mice, we established a pipeline that encompasses five major components: sparse labeling, whole-brain imaging, reconstruction, registration, and classification. We achieved sparse, robust and consistent fluorescent labeling of a wide range of neuronal types across the mouse brain in an efficient way by combining transgenic or viral Cre delivery with novel transgenic reporter lines, and generated a large set of high-resolution whole-brain fluorescent imaging datasets containing thousands of reconstructable neurons using the fluorescence micro-optical sectioning tomography (fMOST) system. We developed a set of software tools based on the visualization and analysis suite, Vaa3D, for large-volume image data processing and computation-assisted morphological reconstruction. In a proof-of-principle case, we reconstructed full morphologies of 96 neurons from the claustrum and cortex that belong to a single transcriptomically-defined neuronal subclass. We developed a data-driven clustering approach to classify them into multiple morphological and projection types, suggesting that these neurons work in a targeted and coordinated manner to process cortical information. Imaging data and the new computational reconstruction tools are publicly available to enable community-based efforts towards large-scale full morphology reconstruction of neurons throughout the entire mouse brain.

In the current competition process of e-commerce platforms, the technical and algorithmic wars that can quickly grasp user needs and accurately recommend target commodities are the core tools of platform competition. At the same time, the existing online purchase behavior prediction models lack consideration of time series features. This paper combines the Recurrent Neural Network, which is more suitable for the commodity recommendation scenario of the e-commerce platform, with Naive Bayes, which is simple in logic and efficient in operation and constructs the online purchase behavior prediction model RNN-NB, which can consider the features of time series. The RNN-NB model is trained and tested using 3 million time series data with purchase behavior provided by the Ali Tianchi big data platform. The prediction effect of the RNN-NB model and Naive Bayes model is evaluated and compared respectively under the same experimental conditions. The results show that the overall prediction effect of the RNN-NB model is better and more stable. In addition, through the analysis of user time series features, it can be found that the possibility of user purchase is negatively correlated with the length of time series, and merchants should pay more attention to those users with shorter time series in commodity recommendation and targeted offers. The contributions of this paper are as follows: (1) By constructing an online purchasing behavior model RNN-NB, which integrates the N vs 1 structure Recurrent Neural Network and naive Bayesian model, the validity limitations of some single-architecture recommendation algorithms are solved. (2) Based on the existing naive Bayesian model, the prediction accuracy of online purchasing behavior is further improved. (3) The analysis based on the features of the time series provides new ideas for the research of later scholars and new guidance for the marketing of platform merchants.