Solar active region (AR) 12192 of 2014 October hosts the largest sunspot group in 24 years. It is the most prolific flaring site of Cycle 24 so far, but surprisingly produced no coronal mass ejection (CME) from the core region during its disk passage. Here, we study the magnetic conditions that prevented eruption and the consequences that ensued. We find AR 12192 to be "big but mild"; its core region exhibits weaker non-potentiality, stronger overlying field, and smaller flare-related field changes compared to two other major flare-CME-productive ARs (11429 and 11158). These differences are present in the intensive-type indices (e.g., means) but generally not the extensive ones (e.g., totals). AR 12192's large amount of magnetic free energy does not translate into CME productivity. The unexpected behavior suggests that AR eruptiveness is limited by some relative measure of magnetic non-potentiality over the restriction of background field, and that confined flares may leave weaker photospheric and coronal imprints compared to their eruptive counterparts.

Abstract Identifying replicable genes that display spatial expression patterns from different yet related spatially resolved transcriptomic studies provides stronger scientific evidence and more powerful inference. We present an empirical Bayesian method, STAREG, for identifying replicable spatially variable genes in data generated from various spatially resolved transcriptomic techniques. STAREG models the joint distribution of p -values from different studies with a mixture model and accounts for the heterogeneity of different studies. It provides effective control of the false discovery rate and has higher power by borrowing information across genes and different studies. Moreover, it provides different rankings of important spatially variable genes. With the EM algorithm in combination with pool-adjacent-violator-algorithm (PAVA), STAREG is scalable to datasets with tens of thousands of genes measured on tens of thousands of spatial spots without any tuning parameters. Analyzing three pairs of spatially resolved transcriptomic datasets using STAREG, we show that it makes biological discoveries that otherwise cannot be obtained by using existing methods.