Summary To achieve the computational goal of rapidly recognizing miscellaneous objects in the environment despite large variations in their appearance, our mind represents objects in a high-dimensional object space to provide separable category information and enable the extraction of different kinds of information necessary for various levels of the visual processing. To implement this abstract and complex object space, the ventral temporal cortex (VTC) develops different object-selective regions with certain topological organization as the physical substrate. However, the principle that governs the topological organization of object selectivities in the VTC remains unclear. Here, equipped with the wiring cost minimization principle constrained by the wiring length of neurons in human temporal lobe, we constructed a hybrid self-organizing map (SOM) model as an artificial VTC (VTC-SOM) to explain how the abstract and complex object space is faithfully implemented in the brain. In two in silico experiments with the empirical brain imaging and single-unit data, our VTC-SOM predicted the topological structure of fine-scale functional regions (face-, object-, body-, and place-selective regions) and the boundary (i.e., middle Fusiform Sulcus) in large-scale abstract functional maps (animate vs. inanimate, real-word large-size vs. small-size, central vs. peripheral), with no significant loss in functionality (e.g., categorical selectivity, a hierarchy of view-invariant representations). These findings illustrated that the simple principle utilized in our model, rather than multiple hypotheses such as temporal associations, conceptual knowledge, and computational demands together, was apparently sufficient to determine the topological organization of object-selectivities in the VTC. In this way, the high-dimensional object space is implemented in a two-dimensional cortical surface of the brain faithfully.

Abstract Random regression test-day model has become the most commonly adopted model for routine genetic evaluations for different dairy populations, which allows accurately accounting for genetic and environmental effects at different periods during lactation. The objective of this study was to explore appropriate random regression test-day model for genetic evaluation of milk yield in Chinese Holstein population. Data included 419,567 test-day records from 54,417 cows in the first lactation. Variance components and breeding values were estimated using random regression test-day model with different order (first order to fifth order) of Legendre polynomials, and accounted for homogeneous or heterogeneous residual variance across the lactation. The goodness of fit of the models was evaluated by total residual variance (TRV) and − 2 logL . Further, the predictive ability of the models was assessed by Spearman’s rank correlation between estimated breeding values for 305d milk yield (EBV 305 ) from the full data set and reduced data set in which the records from the last calving year were masked. The results showed that random regression models using third order Legendre polynomials (LP3) with heterogeneous residual variance achieved the lower TRV and − 2 logL value and the highest correlation for EBV 305 between full data and reduced data. Heritability estimated by this model was 0.250 for 305d milk yield and ranged from 0.163 to 0.304 for test-day milk yield. We suggest random regression model with Legendre polynomial of order 3 and accounting for heterogeneous residual variances could be an appropriate model to be used for genetic evaluation of milk yield for Chinese Holstein population.

An important question about color vision is: how does the brain represent the color of an object? The recent discovery of color patches in macaque inferotemporal (IT) cortex, the part of brain responsible for object recognition, makes this problem experimentally tractable. Here we record neurons in three color patches, middle color patch CLC (central lateral color patch), and two anterior color patches ALC (anterior lateral color patch) and AMC (anterior medial color patch), while presenting images of objects systematically varied in hue. We found that all three patches contain high concentrations of hue-selective cells, and the three patches use distinct computational strategies to represent colored objects: while all three patches multiplex hue and shape information, shape-invariant hue information is much stronger in anterior color patches ALC/AMC than CLC; furthermore, hue and object shape specifically for primate faces/bodies are over-represented in AMC but not in the other two patches.

Caodaism is an indigenous religion that originated in the southern region of Vietnam in the late 19th and early 20th centuries. Caodaism was formed through creative adaptation, selectively incorporating elements from existing major religions and indigenous beliefs within the community to develop its own distinct doctrine. The devotees of Caodaism worship the Divine eye (Heavenly Eye) as a symbol of the Divine, the Highest God (also known as Cao Đài Tiên Ông Đại Bồ Tát Ma Ha Tát), who is revered as the supreme ruler over all gods, saints, immortals, Buddhas, and the creator of the universe. In this article, the author will delve deep into researching the significance of the Divine eye symbol in Caodaism, shedding light on the religious teachings from an anthropological perspective on symbolism.

Liquid crystal (LC) biosensors have received significant attention for their potential applications for point-of-care devices due to their sensitivity, low cost, and easy read-out. They have been employed to detect a wide range of important biological molecules. However, detecting the function of membrane proteins has been extremely challenging due to the difficulty of integrating membrane proteins, lipid membranes, and LCs into one system. In this study, we addressed this challenge by monitoring the proton-pumping function of bacteriorhodopsin (bR) using a pH-sensitive LC thin film biosensor. To achieve this, we deposited purple membranes (PMs) containing a 2D crystal form of bRs onto an LC-aqueous interface. Under light, the PM patches changed the local pH at the LC-aqueous interface, causing a color change in the LC thin film that is observable through a polarizing microscope with crossed polarizers. These findings open up new opportunities to study the biofunctions of membrane proteins and their induced local environmental changes in a solution using LC biosensors.

Object recognition in the natural world usually occurs in the presence of multiple surrounding objects, but responses of neurons in inferotemporal (IT) cortex, the large brain area responsible for object recognition, have mostly been studied only to isolated objects. We study rules governing responses to multiple objects by cells in two category-selective regions of macaque IT cortex, the middle lateral face patch (ML) and the middle body patch (MB). We find that responses of single ML and MB cells to pairs of objects could be explained by the widely-accepted framework of normalization, with one added ingredient: homogeneous category selectivity of neighboring neurons forming the normalization pool. This rule leads to winner-take-all, contralateral-take-all, or weighted averaging behavior in single cells, depending on the category, spatial configuration, and relative contrast of the two objects. The winner-take-all behavior suggests a potential mechanism for clutter-invariant representation of face and bodies under certain conditions.

ABSTRACT Artificial intelligence (AI)-driven discovery of antimicrobial peptides (AMPs) is yet to fully utilise their three-dimensional (3D) structural characteristics, microbial specie-specific antimicrobial activities and mechanisms. Here, we constructed a QLAPD database comprising the sequence, structures and antimicrobial properties of 12,914 AMPs. QLAPD underlies a multimodal, multitask, multilabel, and conditionally controlled AMP discovery (M3-CAD) pipeline, which is proposed for the de novo design of multi-mechanism AMPs to combat multidrug-resistant organisms (MDROs). This pipeline integrates the generation, regression, and classification modules, using a innovative 3D voxel coloring method to capture the nuanced physicochemical context of amino acids, significantly enhancing structural characterizations. QL-AMP-1, discovered by M3-CAD, which possesses four antimicrobial mechanisms, exhibited low toxicity and significant activity against MDROs. The skin wound infection model demonstrates its considerable antimicrobial effects and negligible toxicity. Altogether, integrating 3D features, specie-specific antimicrobial activities and mechanisms enhanced AI-driven AMP discovery, making the M3-CAD pipeline a viable tool for de novo AMP design.