Abstract This paper introduces a differential vibrating beam MEMS accelerometer demonstrating excellent long-term stability for applications in gravimetry and seismology. The MEMS gravimeter module demonstrates an output Allan deviation of 9 μGal for a 1000 s integration time, a noise floor of 100 μGal/√Hz, and measurement over the full ±1 g dynamic range (1 g = 9.81 ms −2 ). The sensitivity of the device is demonstrated through the tracking of Earth tides and recording of ground motion corresponding to a number of teleseismic events over several months. These results demonstrate that vibrating beam MEMS accelerometers can be employed for measurements requiring high levels of stability and resolution with wider implications for precision measurement employing other resonant-output MEMS devices such as gyroscopes and magnetometers.

Abstract Solid tumors are complex ecosystems, and heterogeneity is the major challenge for overcoming tumor relapse and metastasis. Uncovering the spatial heterogeneity of cell types and functional states in tumors is essential for developing effective treatment, especially in invasive fronts of tumor, the most active region for tumor cells infiltration and invasion. We firstly used SpaTial Enhanced REsolution Omics-sequencing (Stereo-seq) with a nanoscale resolution to characterize the tumor microenvironment of intrahepatic cholangiocarcinoma (ICC). Enrichment of distinctive immune cells, suppressive immune microenvironment and metabolic reprogramming of tumor cells were identified in the 500µm-wide zone centered bilaterally on the tumor boundary, namely invasive fronts of tumor. Furthermore, we found the damaged states of hepatocytes with overexpression of Serum Amyloid A (SAA) in invasive fronts, recruiting macrophages for facilitating further tumor invasion, and thus resulting in a worse prognosis. We also confirmed these findings in hepatocellular carcinoma and other liver metastatic cancers. Our work highlights the remarkable potential of high-resolution-spatially resolved transcriptomic approaches to provide meaningful biological insights for comprehensively dissecting the tumor ecosystem and guiding the development of novel therapeutic strategies for solid tumors.

Abstract The integration of cell transcriptomics and spatial coordinates to organize differentiation trajectories remains a challenge. Here we introduce spaTrack, a trajectory inference method using optimal transport to incorporate both transcriptomics and distance of spatial transcriptomics sequencing data into transition costs. spaTrack could construct fine spatial trajectories reflecting the true differentiation topology, as well as trace cell dynamics across multiple samples with temporal intervals. To capture the dynamic drivers, spaTrack models the cell fate as a function of expression profile along temporal intervals driven by transcription factors. Applying spaTrack, we successfully disentangle spatiotemporal trajectories of axolotl telencephalon regeneration and mouse midbrain development. Furthermore, we uncover diverse malignant lineages expanding in a primary tumor. One of the lineages with upregulated extracellular matrix organization implants to the metastatic site and subsequently colonizes to a secondary tumor. Overall, spaTrack greatly facilitates trajectory inference from spatial transcriptomics, providing insights in cell differentiation of broad areas.

Studying tissue composition and function in non-human primates (NHP) is crucial to understand the nature of our own species. Here, we present a large-scale single-cell and single-nucleus transcriptomic atlas encompassing over one million cells from 43 tissues from the adult NHP Macaca fascicularis . This dataset provides a vast, carefully annotated, resource to study a species phylogenetically close to humans. As proof of principle, we have reconstructed the cell-cell interaction networks driving Wnt signalling across the body, mapped the distribution of receptors and co-receptors for viruses causing human infectious diseases and intersected our data with human genetic disease orthologous coordinates to identify both expected and unexpected associations. Our Macaca fascicularis cell atlas constitutes an essential reference for future single-cell studies in human and NHP.

Accurately estimating the net ecosystem exchange of CO

This paper presents a comprehensive optimization of an outer frame anchor disk resonator gyroscope (DRG) with enhanced resistance to vibration and shock, achieved by increasing the resonant frequency of the tub and translation modes. Furthermore, the wineglass mode retains a high quality factor, enhancing sensitivity and reducing the angle random walk (ARW). The performance of the proposed DRG is analyzed using dynamic equations, and its structural parameters are optimized through finite element analysis (FEA). The prototype device was fabricated using a two-mask silicon-on-insulator (SOI) process on (100) single-crystal silicon (SCS), which is better suited for complementary metal-oxide–semiconductor (CMOS) integration compared to (111) SCS. Experimental results show an ARW of 0.63°/h and a bias instability (BI) of 7.7°/h, with no significant performance degradation observed under vibrational environments, indicating potential for tactical-grade performance.

Abstract Reservoir computing (RC) is a bio-inspired neural network structure which can be implemented in hardware with ease. It has been applied across various fields such as memristors, and electrochemical reactions, among which the micro-electro-mechanical systems (MEMS) is supposed to be the closest to sensing and computing integration. While previous MEMS RCs have demonstrated their potential as reservoirs, the amplitude modulation mode was found to be inadequate for computing directly upon sensing. To achieve this objective, this paper introduces a novel MEMS reservoir computing system based on stiffness modulation, where natural signals directly influence the system stiffness as input. Under this innovative concept, information can be processed locally without the need for advanced data collection and pre-processing. We present an integrated RC system characterized by small volume and low power consumption, eliminating complicated setups in traditional MEMS RC for data discretization and transduction. Both simulation and experiment were conducted on our accelerometer. We performed nonlinearity tuning for the resonator and optimized the post-processing algorithm by introducing a digital mask operator. Consequently, our MEMS RC is capable of both classification and forecasting, surpassing the capabilities of our previous non-delay-based architecture. Our method successfully processed word classification, with a 99.8% accuracy, and chaos forecasting, with a 0.0305 normalized mean square error (NMSE), demonstrating its adaptability for multi-scene data processing. This work is essential as it presents a novel MEMS RC with stiffness modulation, offering a simplified, efficient approach to integrate sensing and computing. Our approach has initiated edge computing, enabling emergent applications in MEMS for local computations.