Foreword B.S. Meyerson INTRODUCTION The Big Picture J.D. Cressler A Brief History of the Field J.D. Cressler SiGe AND Si STRAINED-LAYER EPITAXY Overview: SiGe and Si Strained-Layer Epitaxy J.D. Cressler Strained SiGe and Si Epitaxy B. Tillack and P. Zaumseil Si/SiGe(C) Eptiaxy by RTCVD D. Dutartre, F. Deleglise, C. Fellous, L. Rubaldo, and A. Talbot MBE Growth Techniques M. Oehme and E. Kasper UHV/CVD Growth Techniques T.N. Adam Defects and Diffusion in SiGe and Strained Si A.R. Peaker and V. Markevich Stability Constraints in SiGe Epitaxy A. Fischer Electronic Properties of Strained Si/SiGe and Si1-yCy Alloys J.L. Hoyt Carbon Doping of SiGe H.J. Osten Contact Metallization on Silicon-Germanium C.K. Maiti Selective Etching Techniques for SiGe/Si S. Monfray, S. Borel, and T. Skotnicki FABRICATION OF SiGe HBT BiCMOS TECHNOLOGY Overview: Fabrication of SiGe HBT BiCMOS Technology J.D. Cressler Device Structures and BiCMOS Integration D.L. Harame SiGe HBTs on CMOS-Compatible SOI J. Cai and T.H. Ning Passive Components J.N. Burghartz Industry Examples at State-of-the-Art: IBM A.J. Joseph and J.S. Dunn Industry Examples at State-of-the-Art: Jazz P.H.G. Kempf Industry Examples at State-of-the-Art: Hitachi K. Washio Industry Examples at State-of-the-Art: Infineon T.F. Meister, H. Schafer, W. Perndl, and J. Bock Industry Examples at State-of-the-Art: IHP D. Knoll Industry Examples at State-of-the-Art: ST A. Chantre, M. Laurens, B. Szelag, H. Baudry, P. Chevalier, J. Mourier, G. Troillard, B. Martinet, M. Marty, and A. Monroy Industry Examples at State-of-the-Art: Texas Instruments B. El-Kareh, S. Balster, P. Steinmann, and H. Yasuda Industry Examples at State-of-the-Art: Philips R. Colclaser and P. Deixler SiGe HBTs Overview: SiGe HBTs J.D. Cressler Device Physics J.D. Cressler Second-Order Effects J.D. Cressler Low-Frequency Noise G. Niu Broadband Noise D.R. Greenberg Microscopic Noise Simulation G. Niu Linearity G. Niu pnp SiGe HBTs J.D. Cressler Temperature Effects J.D. Cressler Radiation Effects J.D. Cressler Reliability Issues J.D. Cressler Self-Heating and Thermal Effects J-S. Rieh Device-Level Simulation G. Niu SiGe HBT Performance Limits G. Freeman, A. Stricker, J-S. Rieh, and D.R. Greenberg HETEROSTRUCTURE FETs Overview: Heterostructure FETs J.D. Cressler Biaxial Strained Si CMOS K. Rim Uniaxial Stressed Si MOSFET S.E. Thompson SiGe-Channel HFETs S. Banerjee Industry Examples at State-of-the-Art: Intel's 90 nm Logic Technologies S.E. Thompson OTHER HETEROSTRUCTURE DEVICES Overview: Other Heterostructure Devices J.D. Cressler Resonant Tunneling Devices S. Tsujino, D. Grutzmacher, and U. Gennser IMPATT Diodes E. Kasper and M. Oehme Engineered Substrates for Electronic and Optoelectronic Systems E.A. Fitzgerald Self-Assembling Nanostructures in Ge(Si)-Si Heteroepitaxy R. Hull OPTOELECTRONIC COMPONENTS Overview: Optoelectronic Components J.D. Cressler Si-SiGe LEDs K.L. Wang, S. Tong, and H.J. Kim Near-Infrared Detectors L. Colace, G. Masini, and G. Assanto Si-Based Photonic Transistors for Integrated Optoelectronics W.X. Ni and A. Elfving Si-SiGe Quantum Cascade Emitters D.J. Paul MEASUREMENT AND MODELING Overview: Measurement and Modeling J.D. Cressler Best-Practice AC Measurement Techniques R.A. Groves Industrial Application of TCAD for SiGe Development D.C. Sheridan, J.B. Johnson, and R. Krishnasamy Compact Modeling of SiGe HBTs: HICUM M. Schroter Compact Modeling of SiGe HBTs: MEXTRAM S. Mijalkovic CAD Tools and Design Kits S.E. Strang Parasitic Modeling and Noise Mitigation Approaches in Silicon Germanium RF Designs R. Singh Transmission Lines on Si Y.V. Tretiakov Improved De-Embedding Techniques Q. Liang CIRCUITS AND APPLICATIONS Overview: Circuits and Applications J.D. Cressler SiGe as an Enabler for Wireless Communications Systems L.E. Larson and D.Y.C. Lie LNA Optimization Strategies Q. Liang Linearization Techniques L.C.N. de Vreede and M.P. van der Heijden SiGe MMICs H. Schumacher SiGe Millimeter-Wave ICs J-F. Luy Wireless Building Blocks Using SiGe HBTs J.R. Long Direct Conversion Architectures for SiGe Radios S. Chakraborty and J. Laskar RF MEMS Techniques in Si/SiGe J. Papapolymerou Wideband Antennas on Silicon M.M. Tentzeris and R.L. Li Packaging Issues for SiGe Circuits K. Lim, S. Pinel, and J. Laskar Industry Examples at State-of-the-Art: IBM D.J. Friedman and M. Meghelli Industry Examples at State-of-the-Art: Hitachi K. Washio Industry Examples at State-of-the-Art: ST D. Belot APPENDICES Properties of Silicon and Germanium J.D. Cressler The Generalized Moll-Ross Relations J.D. Cressler Integral Charge-Control Relations M. Schroter Sample SiGe HBT Compact Model Parameters R.M. Malladi INDEX

Circadian homeostasis in mammals is a key intrinsic mechanism for responding to the external environment. However, the interplay between circadian rhythms and the tumor microenvironment (TME) and its influence on metastasis are still unclear. Here, in patients with colorectal cancer (CRC), disturbances of circadian rhythm and the accumulation of monocytes and granulocytes were closely related to metastasis. Moreover, dysregulation of circadian rhythm promoted lung metastasis of CRC by inducing the accumulation of myeloid-derived suppressor cells (MDSCs) and dysfunctional CD8+ T cells in the lungs of mice. Also, gut microbiota and its derived metabolite taurocholic acid (TCA) contributed to lung metastasis of CRC by triggering the accumulation of MDSCs in mice. Mechanistically, TCA promoted glycolysis of MDSCs epigenetically by enhancing mono-methylation of H3K4 of target genes and inhibited CHIP-mediated ubiquitination of PDL1. Our study links the biological clock with MDSCs in the TME through gut microbiota/metabolites in controlling the metastatic spread of CRC, uncovering a systemic mechanism for cancer metastasis.

Mouse knockouts allow studying gene functions. Often, multiple phenotypes are impacted when a gene is inactivated. The International Mouse Phenotyping Consortium (IPMC) has generated thousands of mouse knockouts and catalogued their phenotype data. We have acquired metabolomics data from 220 plasma samples of 30 mouse gene knockouts and corresponding wildtype mice from IMPC. To acquire comprehensive metabolomics data, we have used liquid chromatography (LC) combined with mass spectrometry (MS) for detecting polar and lipophilic compounds in an untargeted approach. We have also used targeted methods to measure bile acids, steroids and oxylipins. In addition, we have used gas chromatography GC-TOFMS for measuring primary metabolites. The metabolomics dataset reports 832 unique structurally identified metabolites from 124 chemical classes as determined by ChemRICH software. The GCMS and LCMS raw data files, intermediate and finalized data matrices, R-Scripts, annotation databases and extracted ion chromatograms are provided in this data descriptor. The dataset can be used for subsequent studies to link genetic variants with molecular mechanisms and phenotypes.

Autism spectrum disorder (ASD) is a developmental disorder with no effective pharmacological treatments so far. Gut microbiota has been suggested to contribute to autistic symptoms. However, the key genes and the mechanisms linking gut microbiota and brain dysfunctions in ASD are still unclear. Here, we found deletion of EphB6, an ASD-associated candidate gene, induced dysregulated gut microbiota and autism-like behavior in mice. More importantly, transplanting fecal microbiota from EphB6-deficient mice resulted in disturbed gut microbiota and autism-like behavior in antibiotics-treated C57BL/6J mice. Meanwhile, transplanting fecal microbiota from wild-type mice ameliorated disturbed gut microbiota and autism-like behavior in mice with deletion of EphB6. At the metabolic levels, dysregulated gut microbiota led to vitamin B6 and dopamine defects in EphB6-deficient mice. At the cellular levels, excitation/inhibition (E/I) imbalance in medial prefrontal cortex was induced by gut microbiota-mediated defects of vitamin B6 metabolism in EphB6-deficient mice. Our study uncovers a key role for EphB6 in regulation of social behavior by gut microbiota-mediated vitamin B6 metabolism, dopamine synthesis and E/I balance, suggesting a new strategy for treatment of ASD patients.

Abstract Some cancer patients treated with Atezolizumab, PD-L1 antibody drug launched by Genentech, quickly developed anti-drug antibody (ADA), led to loss of efficacy. This was likely due to the heavy aggregation of Atezolizumab, caused by mutation of N297A for removing unwanted antibody-dependent cytotoxicity (ADCC) of IgG1 antibody drug. Here, we developed a new version of Atezolizumab (Maxatezo), which was demonstrated better anti-tumor efficacy in vivo . In Atezolizumab, we mutated 297A to 297N back to bring back the glycosylation, and inserted a short sequence GGGS between G237 and G238 in the hinge region of the IgG1 heavy chain. Our data shown that insertion of GGGS, without altering the anti-PD-L1 antibody affinity and inhibitory activity, completely abolished the ADCC activity, as same as Atezolizumab. Moreover, the insertion of GGGS, without altering the glycosylation profile of IgG1, increased the yields of anti-PD-L1 antibody considerately. Additionally, glycosylation improved the stability yet reduced the amounts of aggregations in the antibody solutions. In turn, the level of ADA in animals treated with Maxatezo was 70% lower than the ones treated with Atezolizumab. Most importantly, at the same 10mg/kg dose, the anti-tumor activity of Maxatezo had attained 98% compared to that of Atezolizumab at 68%.

Untargeted lipidomics allows analysis of a broader range of lipids than targeted methods and permits discovery of unknown compounds. Previous ring trials have evaluated the reproducibility of targeted lipidomics methods, but inter-laboratory comparison of compound identification and unknown feature detection in untargeted lipidomics has not been attempted. To address this gap, five laboratories analyzed a set of mammalian tissue and biofluid reference samples using both their own untargeted lipidomics procedures and a common chromatographic and data analysis method. While both methods yielded informative data, the common method improved chromatographic reproducibility and resulted in detection of more shared features between labs. Spectral search against the LipidBlast in silico library enabled identification of over 2,000 unique lipids. Further examination of LC-MS/MS and ion mobility data, aided by hybrid search and spectral networking analysis, revealed spectral and chromatographic patterns useful for classification of unknown features, a subset of which were highly reproducible between labs. Overall, our method offers enhanced compound identification performance compared to targeted lipidomics, demonstrates the potential of harmonized methods to improve inter-site reproducibility for quantitation and feature alignment, and can serve as a reference to aid future annotation of untargeted lipidomics data.