Abstract Aggression is an evolutionarily conserved, adaptive component of social behavior. Studies in male mice illustrate that aggression is influenced by numerous factors including the degree to which an individual finds aggression rewarding and will work for access to attack and subordinate mice. While such studies have expanded our understanding of the molecular and circuit mechanisms of male aggression very little is known about female aggression, owed in part to limited availability of valid mouse models in females. Here we use an ethologically relevant model of male vs. female aggression by pair housing adult male and female outbred CFW mice with opposite sex cage mates. We assess reactive (defensive) aggression in the resident intruder (RI) test and appetitive (rewarding) aggression in the aggression conditioned place preference (CPP) and operant self-administration (SA) tests. Our results show dramatic sex differences in both qualitative and quantitative aspects of reactive vs. appetitive aggression. Males exhibit more wrestling and less investigative behavior during RI, find aggression rewarding and will work for access to a subordinate to attack. Females exhibit more bites, alternate between aggressive behaviors and investigative behaviors more readily during RI, however, they do not find aggression to be rewarding or reinforcing. These results establish sex differences in aggression in mice, providing an important resource for the field to better understand the circuit and molecular mechanisms of aggression in both sexes.

Abstract Our understanding of the lymphatic vascular system lags far behind that of the blood vascular system, limited by available imaging technologies. We present a label-free optical imaging method that visualizes the lymphatic system with high contrast. We developed an orthogonal polarization imaging (OPI) in the shortwave infrared range (SWIR) and imaged both lymph nodes and lymphatic vessels of mice and rats in vivo through intact skin, as well as human mesenteric lymph nodes in colectomy specimens. By integrating SWIR-OPI with U-Net, a deep learning image segmentation algorithm, we automated the lymph node size measurement process. Changes in lymph nodes in response to cancer progression were monitored in two separate mouse cancer models, through which we obtained insights into pre-metastatic niches and correlation between lymph node masses and many important biomarkers. In a human pilot study, we demonstrated the effectiveness of SWIR-OPI to detect human lymph nodes in real time with clinical colectomy specimens. One Sentence Summary We develop a real-time high contrast optical technique for imaging the lymphatic system, and apply it to anatomical pathology gross examination in a clinical setting, as well as real-time monitoring of tumor microenvironment in animal studies.

ABSTRACT A restriction endonuclease (RE) is an enzyme that can recognize a specific DNA sequence and cleave that DNA into fragments with double-stranded breaks. This sequence-specific cleaving ability and its ease of use have made REs commonly used tools in molecular biology since their first isolation and characterization in 1970s. While artificial REs still face many challenges in large-scale synthesis and precise activity control for practical use, searching for new REs in natural samples remains a viable route for expanding the RE pool for fundamental research and industrial applications. In this paper, we propose a new strategy to search for REs in an efficient fashion. Briefly, we construct a host bacterial cell to link the RE genotype to the phenotype of β-galactosidase expression based on the bacterial SOS response, and use a high-throughput microfluidic platform to isolate, detect and sort the REs. We employ this strategy to screen for the XbaI gene from constructed libraries of varied sizes. In single round of sorting, a 30-fold target enrichment was obtained within 1 h. The direct screening approach we propose shows potential for efficient search of desirable REs in natural samples compared to the conventional RE-screening method, and is amenable to being adapted to high-throughput screening of other genotoxic targets.

Large language models are trained on massive scrapes of the web, which are often unstructured, noisy, and poorly phrased. Current scaling laws show that learning from such data requires an abundance of both compute and data, which grows with the size of the model being trained. This is infeasible both because of the large compute costs and duration associated with pre-training, and the impending scarcity of high-quality data on the web. In this work, we propose Web Rephrase Augmented Pre-training ($\textbf{WRAP}$) that uses an off-the-shelf instruction-tuned model prompted to paraphrase documents on the web in specific styles such as "like Wikipedia" or in "question-answer format" to jointly pre-train LLMs on real and synthetic rephrases. First, we show that using WRAP on the C4 dataset, which is naturally noisy, speeds up pre-training by $\sim3x$. At the same pre-training compute budget, it improves perplexity by more than 10% on average across different subsets of the Pile, and improves zero-shot question answer accuracy across 13 tasks by more than 2%. Second, we investigate the impact of the re-phrasing style on the performance of the model, offering insights into how the composition of the training data can impact the performance of LLMs in OOD settings. Our gains are attributed to the fact that re-phrased synthetic data has higher utility than just real data because it (i) incorporates style diversity that closely reflects downstream evaluation style, and (ii) has higher 'quality' than web-scraped data.

Abstract We propose a novel method that can detect DNA with high specificity at the single-molecule level by employing the in vitro N-hybrid strategy realized in sub-picoliter microfluidic drops. It detects target DNA based on the specific interactions of the target-encoded proteins with their partner molecules, and achieves single-molecule sensitivity via signal-transduction and signal-amplification during gene-expression processes in a sub-picoliter droplet, therefore effectively avoiding complicated procedures in labeling-based methods or biases and artifacts in PCR-based methods.

SUMMARY Histone 3 Lys 27 trimethylation (H3K27me3)-mediated epigenetic silencing plays a critical role in multiple biological processes. However, the H3K27me3 recognition and transcriptional repression mechanisms are only partially understood. Here, we report a new mechanism for H3K27me3 recognition and transcriptional repression. Our structural and biochemical data showed that the BAH domain protein AIPP3 and the PHD proteins AIPP2 and PAIPP2 cooperate to read H3K27me3 and unmodified H3K4 histone marks, respectively, in Arabidopsis . The BAH-PHD bivalent histone reader complex silences a substantial subset of H3K27me3-enriched loci, including a number of development and stress response-related genes such as the RNA silencing effector gene ARGONAUTE 5 ( AGO5 ) and We found that the BAH-PHD module associates with CPL2, a plant-specific Pol II carboxyl terminal domain (CTD) phosphatase, to form the BAH-PHD-CPL2 complex (BPC) for transcriptional repression. The BPC complex represses transcription through CPL2-mediated CTD dephosphorylation, thereby causing inhibition of Pol II release from the transcriptional start site. Our work reveals a mechanism coupling H3K27me3 recognition with transcriptional repression through the alteration of Pol II phosphorylation states, thereby contributing to our understanding of the mechanism of H3K27me3-dependent silencing.

We successfully developed an enantioselective trifluoromethylthiolation of structurally diverse carbonyl compounds. Trichloroisocyanuric acid and AgSCF

High-throughput volumetric fluorescent microscopy pipelines can spatially integrate whole-brain structure and function at the foundational level of single-cells. However, conventional fluorescent protein (FP) modifications used to discriminate single-cells possess limited efficacy or are detrimental to cellular health. Here, we introduce a synthetic and non-deleterious nuclear localization signal (NLS) tag strategy, called "Arginine-rich NLS" (ArgiNLS), that optimizes genetic labeling and downstream image segmentation of single-cells by restricting FP localization near-exclusively in the nucleus through a poly-arginine mechanism. A single N-terminal ArgiNLS tag provides modular nuclear restriction consistently across spectrally separate FP variants. ArgiNLS performance in vivo displays functional conservation across major cortical cell classes, and in response to both local and systemic brain wide AAV administration. Crucially, the high signal-to-noise ratio afforded by ArgiNLS enhances ML-automated segmentation of single-cells due to rapid classifier training and enrichment of labeled cell detection within 2D brain sections or 3D volumetric whole-brain image datasets, derived from both staining-amplified and native signal. This genetic strategy provides a simple and flexible basis for precise image segmentation of genetically labeled single-cells at scale and paired with behavioral procedures.

Determining how ant colonies optimize foraging while mitigating disease risk provides insight into how the ants have achieved ecological success. Fungal infected cadavers surround the main foraging trails of the carpenter ant Camponotus rufipes, offering a system to study how foragers behave given the persistent occurrence of disease threats. Studies on social insect foraging behavior typically require many hours of human labor due to the high density of individuals. To overcome this, we developed deep learning based computer vision algorithms to track foraging ants, frame-by-frame, from video footage. We found foragers can be divided into behavioral categories based on how straight they walk across the trail. Eighty percent of ants walk directly across the trail, while 20% wander or circle when crossing the trail. Departure from the main trail encourages exploration of new areas and could enhance discovery of new food resources. Conversely, results from our agent-based model simulations suggest deviation from a straight path exposes foragers to more infectious fungal spores. Consistency in walking behavior may protect most ants from infection, while the foragers with increased exposure due to their mode of walking could be a sufficient number of new hosts to sustain disease in this environment.

Abstract We report a microfluidic pico-injection-based approach for reliably generating monodisperse cell-laden alginate microgels whose composition can be tuned in situ through modulation of the cross-linker concentration. Separating the gelation from emulsification allows for a better control over the microgel size with a microfluidic drop-maker, and an instant adjustment of the microgel composition with a pico-injector.