Brain are complex biological tissues which function relies on coordinated anatomical and molecular structure comprised by a large number of specialized cells. The spatial architecture of brain which is key to the understanding of its physiological and pathological significance is formed during embryo development. However, the molecular basis for discrete neuroanatomical domains particularly in the context of spatial organization of the brain is inadequate. Here, we introduced microfluidic indexing based spatial ATAC and RNA sequencing (MISAR-seq), a method for joint profiling of chromatin accessibility and gene expression with spatial information retained in the developing mouse brain. Our study has established a direct means to spatially determine the coordination between chromatin accessibility and transcriptome, identified the chromatin potential to define cell fate determination of brain organization, and uncovered spatiotemporal regulatory principles during mammalian brain development.

The current limitations of air-cooled proton exchange membrane fuel cells (AC-PEMFCs) in water and heat management remain a major obstacle to their commercialization. A 90 cm2 full-size AC-PEMFC multi-physical field-coupled numerical model was constructed; isothermal and non-isothermal calculations were performed to explore the effects of univariate and multivariate variables on cell performance, respectively. The isothermal results indicate that lower temperature is beneficial to increase the humidity of MEA, and distribution uniformity at lower stoichiometric ratios and lower temperatures is better. The correlation between current density distribution and temperature, water content, and concentration distribution shows that the performance of AC-PEMFCs is influenced by multiple factors. Notably, under high current operation, the large heat generation may lead to high local temperature and performance decline, especially in the under-channel region with drier MEA. The higher stoichiometric ratio can enhance heat dissipation, improve the uniformity of current density, and increase power density. Optimal fuel cell performance is achieved with a stoichiometric ratio of 300, balancing the mixed influence of multiple factors.

Recent advancements of sequencing-based spatial transcriptomics (sST) have catalyzed significant advancements by facilitating transcriptome-scale spatial gene expression measurement. Despite this progress, efforts to comprehensively benchmark different platforms are currently lacking. The extant variability across technologies and datasets poses challenges in formulating standardized evaluation metrics. In this study, we established a collection of reference tissues and regions characterized by well-defined histological architectures, and used them to generate data to compare six sST methods. We highlighted molecular diffusion as a variable parameter across different methods and tissues, significantly impacting the effective resolutions. Furthermore, we observed that spatial transcriptomic data demonstrate unique attributes beyond merely adding a spatial axis to single-cell data, including an enhanced ability to capture patterned rare cell states along with specific markers, albeit being influenced by multiple factors including sequencing depth and resolution. Our study assists biologists in sST platform selection, and helps foster a consensus on evaluation standards and establish a framework for future benchmarking efforts that can be used as a gold standard for the development and benchmarking of computational tools for spatial transcriptomic analysis.