We present terahertz (THz) transmission control by several uniquely designed patterns of nano-slot antenna array. Collinearly aligned slot antenna arrays have been usually applied to THz filters with frequency band tunability by their geometry. Normally the amplitude in transmission (reflection) in the collinear alignment case can be varied via rotating the azimuthal angle with a sinusoidal trend, which can limit their utilization and performance only at fixed angle between the alignment of the resonant antennas and incident beam polarization. To pursue a variety of metamaterial uses, here, we present polarization-independent THz filters using variously aligned antenna array (asterisk, chlorophyll, and honeycomb patterns) in such counter-intuitive aspects. Besides, unprecedented multi resonance behaviors were observed in chlorophyll and honeycomb patterns, which can be explained with interferences by adjacent structures. The measured spectra were analyzed by harmonic oscillator model with simplified coupling between slots and their adjacent.

Chemical degradation phenomenon of organic materials is fatal to commercial applications requiring high-efficiency and long-lifetime organic light-emitting diodes (OLEDs), but its mechanism is not fully understood yet. It is preferable to exclude all stimuli that may directly or indirectly affect the degradation process of the chemically unstable organic materials when investigating the materials. In this report, we introduce terahertz (THz) spectroscopy by taking advantage of low photon energy and deep penetration depth. We monitored the photo-degradation in DPEPO, mCBP, and mCP for blue light emission induced by photodissociation of the molecules. Measured THz transmittances present the aging process of the organic materials in a non-destructive manner. A nano-metamaterial-based sensing chip which induces strong field enhancement at the local surface was introduced for highly sensitive detection of chemical conformational change on extreme surfaces of tens of nanometer thickness. Our advanced non-destructive and real-time monitoring system is expected to contribute to the field of such organic materials for its fundamental scientific aspect as well as for its potential impact.

Over 10,000 viral genome sequences of the SARS-CoV-2 virus have been made readily available during the ongoing coronavirus pandemic since the initial genome sequence of the virus was released on the open access Virological website ( http://virological.org/ ) early on January 11. We utilize the published data on the single stranded RNAs of 11, 132 SARS-CoV-2 patients in the GISAID (Elbe and Buckland-Merrett, 2017; Shu and McCauley, 2017) database, which contains fully or partially sequenced SARS-CoV-2 samples from laboratories around the world. Among many important research questions which are currently being investigated, one aspect pertains to the genetic characterization/classification of the virus. We analyze data on the nucleotide sequencing of the virus and geographic information of a subset of 7, 640 SARS-CoV-2 patients without missing entries that are available in the GISAID database. Instead of modelling the mutation rate, applying phylogenetic tree approaches, etc., we here utilize a model-free clustering approach that compares the viruses at a genome-wide level. We apply principal component analysis to a similarity matrix that compares all pairs of these SARS-CoV-2 nucleotide sequences at all loci simultaneously, using the Jaccard index (Jaccard, 1901; Tan et al., 2005; Prokopenko et al., 2016; Schlauch et al., 2017). Our analysis results of the SARS-CoV-2 genome data illustrates the geographic and chronological progression of the virus, starting from the first cases that were observed in China to the current wave of cases in Europe and North America. This is in line with a phylogenetic analysis which we use to contrast our results. We also observe that, based on their sequence data, the SARS-CoV-2 viruses cluster in distinct genetic subgroups. It is the subject of ongoing research to examine whether the genetic subgroup could be related to diseases outcome and its potential implications for vaccine development.

Abstract An object occupies an enclosed region in the visual field, which defines its spatial extent. Humans display exquisite finesse in spatial extent perception. Recent series of human neuroimaging and monkey single-cell studies suggest the spatial representation encoded in the early visual cortex (EVC) as the neural substrate of spatial extent estimation. Guided by this “EVC hypothesis” on spatial extent estimation, we predicted that human estimation of spatial extents would reflect the topographic biases known to exist in EVC’s spatial representation, the co-axial and radial biases. To test this prediction, we concurrently assessed those two spatial biases in both EVC’s and perceptual spatial representations by probing the anisotropy of EVC’s population receptive fields, on the one hand, and that of humans’ spatial extent estimation, on the other hand. To our surprise, we found a marked topographic mismatch between EVC’s and perceptual representations of oriented visual patterns, the radial bias in the former and the co-axial bias in the latter. Amid this topographic mismatch, the extent to which the anisotropy of spatial extents is modulated by stimulus orientation is correlated across individuals between EVC and perception. Our findings seem to require a revision of the current understanding of EVC’s functional architecture and contribution to visual perception: EVC’s spatial representation (i) is governed by the radial bias but only weakly modulated by the co-axial bias, and (ii) do contribute to spatial extent perception, but in a limited way where additional neural mechanisms are called in to counteract the radial bias in EVC. Significant statement Previous anatomical and functional studies suggest both radial and co-axial biases as topographic factors governing the spatial representation of the early visual cortex (EVC). On the other hand, EVC’s fine-grained spatial representation has been considered the most plausible neural substrate for exquisite human perception of spatial extents. Based on these suggestions, we reasoned that these two topographic biases are likely to be shared between EVC’s and perceptual representations of spatial extents. However, our neuroimaging and psychophysics experiments implicate a need for revising those two suggestions. Firstly, the co-axial bias seems to exert only a modulatory influence on EVC’s functional architecture. Secondly, human spatial extent perception requires further contribution from neural mechanisms that correct EVC’s spatial representation for its radial bias.

ABSTRACT Background Near-infrared fluorescence indocyanine green (NIRF-ICG) lymphangiography, a primary modality for detecting lymphedema, which is a disease due to lymphatic obstruction, enables real-time observations of lymphatic flow and reveals not only the spatial distribution of drainage (static analysis), but also information on the lymphatic contraction (dynamic analysis). Methods We have produced lymphatic obstruction models in upper limbs through the dissection of proximal lymph nodes (LNs) and radiation (dissection limbs). After the model formation during 1 week, the static and dynamic analysis using NIRF-ICG lymphangiography were performed for six weeks. The drainage pattern and leakage of lymph fluid were observed and time-domain signals of lymphatic contraction were measured in the distal lymph vessels. The obtained signals were converted to the frequency-domain spectrums using the signal processing. Results The results of both static and dynamic analyses proved to be effective in accurately identify the extent of lymphatic disruption in the dissection limbs. The static analysis showed abnormal drainage patterns and an increased leakage of lymph fluid to the periphery of the vessels compared to the control limbs. Meanwhile, the waveforms were changed and the frequency of the contractile signals was increased by 58% in the dynamic analysis. Specifically, our findings revealed that regular lymphatic contractions, observed at a frequency range of 0.08 ∼ 0.13 Hz in the control limbs, were absent in the dissection limbs. The contractile regularity was not fully restored until the end of the follow-up, indicating a persistent lymphatic disruption in the dissected limbs. Conclusion The dynamic analysis was consistent with the static analysis, and it could detect the abnormalities of lymphatic circulation by observing the characteristics of signals without the need for a control group. As NIRF-ICG lymphangiography is currently used in clinical practice, our findings may be useful for the early detection of the lymphatic circulation problem.

SUMMARY When sorting a sequence of stimuli into binary classes, current choices are often negatively correlated with recent stimulus history. This phenomenon—dubbed the repulsive bias—can be explained by boundary updating, a process of shifting the class boundary to previous stimuli. This explanation implies that recent stimulus history can also influence “decision uncertainty,” the probability of making incorrect decisions, since it depends on the location of the boundary. However, there have been no previous efforts to elucidate the impact of previous stimulus history on decision uncertainty. Here, from the boundary-updating process that accounts for the repulsive bias, we derived a prediction that decision uncertainty increases as current choices become more congruent with previous stimuli. We confirmed this prediction in behavioral, physiological, and neural correlates of decision uncertainty. Our work demonstrates that boundary updating offers a principled account of how previous stimulus history concurrently relates to choice bias and decision uncertainty.

Abstract As of June 2022, the GISAID database contains more than one million SARS-CoV-2 genomes, including several thousand nucleotide sequences for the most common variants such as delta or omicron. These SARS-CoV-2 strains have been collected from patients around the world since the beginning of the pandemic. We start by assessing the similarity of all pairs of nucleotide sequences using the Jaccard index and principal component analysis. As shown previously in the literature, an unsupervised cluster analysis applied to the SARS-CoV-2 genomes results in clusters of sequences according to certain characteristics such as their strain or their clade. Importantly, we observe that nucleotide sequences of common variants are often outliers in clusters of sequences stemming from variants identified earlier on during the pandemic. Motivated by this finding, we are interested in applying outlier detection to nucleotide sequences. We demonstrate that nucleotide sequences of common variants (such as alpha, delta, or omicron) can be identified solely based on a statistical outlier criterion. We argue that outlier detection might be a useful surveillance tool to identify emerging variants in real time as the pandemic progresses.

X-linked adrenoleukodystrophy (ALD) caused by the ABCD1 mutation, is the most common inherited peroxisomal disease. It is characterized by three phenotypes: inflammatory cerebral demyelination, progressive myelopathy, and adrenal insufficiency, but there is no genotype-phenotype correlation. Hematopoietic stem cell transplantation can only be used in a few patients in the early phase of cerebral inflammation; therefore, most affected patients have no curative option. Previously, we reported the generation of an ALD patient-derived iPSC model and its differentiation to oligodendrocytes. In this study, we have performed the first genome editing of ALD patient-derived iPSCs using homology-directed repair (HDR). The mutation site, c.1534G>A [GenBank: [NM_000033.4][1]], was corrected by introducing ssODN and the CRISPR/Cas9 system. The cell line exhibited normal ALD protein expression following genome editing. We differentiated the intermediate oligodendrocytes from mutation-corrected iPSCs and the metabolic derangement of ALD tended to correct but was not statistically significant. Mutation-corrected iPSCs from ALD patient can be used in research into the pathophysiology of and therapeutics for ALD. [1]: /lookup/external-ref?link_type=GEN&access_num=NM_000033.4&atom=%2Fbiorxiv%2Fearly%2F2020%2F02%2F25%2F2020.02.23.962118.atom

Abstract The identification and understanding of gene-environment interactions can provide insights into the pathways and mechanisms underlying complex diseases. However, testing for gene-environment interaction remains a challenge since statistical power is often limited, the specification of environmental effects is nontrivial, and such misspecifications can lead to false positive findings. To address the lack of statistical power, recent methods aim to identify interactions on an aggregated level using, for example, polygenic risk scores. While this strategy increases power to detect interactions, identifying contributing key genes and pathways is difficult based on these global results. Here, we propose RITSS (Robust Interaction Testing using Sample Splitting), a gene-environment interaction testing framework for quantitative traits that is based on sample splitting and robust test statistics. RITSS can incorporate multiple genetic variants and/or multiple environmental factors. Using sample splitting, a screening step enables the selection and combination of potential interactions into scores with improved interpretability, based on the user’s unrestricted choices for statistical/machine learning approaches. In the testing step, the application of robust test statistics minimizes the susceptibility of the results to main effect misspecifications. Using extensive simulation studies, we demonstrate that RITSS controls the type 1 error rate in a wide range of scenarios. In an application to lung function phenotypes and human height in the UK Biobank, RITSS identified genome-wide significant interactions with subcomponents of genetic risk scores. While the contributing single variant interactions are moderate, our analysis results indicate interesting interaction patterns that result in strong aggregated signals that provide further insights into gene-environment interaction mechanisms.

Corrective feedback is vital to learning about the environment, exerting its influence on subsequent episodes of perceptual decision-making (PDM) on a trial-to-trial basis. However, its intricate interplay with other history factors in PDM challenges a principled account of the history effects of feedback. One popular account, grounded in animal behavior and extended to human behavior, grafted the principle proven successful in reward-based decision-making (reinforcement-learning) onto the PDM processes. It assumes that decision-makers, although engaged in PDM, treat feedback as rewards from which they learn choice values. Here we report that human decision-makers do not conform to this assumption. Instead, humans acted like treating feedback as evidence for a specific world state and combining it with sensory evidence to learn the statistical structure crucial to perform a PDM task. A Bayesian implementation of our account reproduces human history effects, both retrospectively and prospectively, with an unprecedented level of correspondence and finesse.