Effects of lysine-based diisocyanate (LDI) as a coupling agent on the properties of biocomposite from poly (lactic acid) (PLA), poly (butylene succinate) (PBS) and bamboo fiber (BF) were investigated. Tensile properties, water resistance, and interfacial adhesion of both PLA/BF and PBS/BF composites were improved by the addition of LDI, whereas thermal flow became somewhat difficult due to cross-linking between polymer matrix and BF. Crystallization temperature and enthalpy in both composites were increased and decreased with increasing LDI content, respectively. The heat of fusion in both composites was decreased by addition of LDI, whereas there was no significant change in melting temperature. Thermal degradation temperature of both composites was lower than those of pure polymer matrix, but the composites with LDI showed higher degradation temperature than those without LDI. Enzymatic biodegradability of PLA/BF and PBS/BF composites was investigated by Proteinase K and Lipase PS, respectively. Both composites could be quickly decomposed by enzyme and the addition of LDI delayed the degradation.

Atomically thin two-dimensional materials have emerged as promising candidates for flexible and transparent electronic applications. Here we show non-volatile memory devices, based on field-effect transistors with large hysteresis, consisting entirely of stacked two-dimensional materials. Graphene and molybdenum disulphide were employed as both channel and charge-trapping layers, whereas hexagonal boron nitride was used as a tunnel barrier. In these ultrathin heterostructured memory devices, the atomically thin molybdenum disulphide or graphene-trapping layer stores charge tunnelled through hexagonal boron nitride, serving as a floating gate to control the charge transport in the graphene or molybdenum disulphide channel. By varying the thicknesses of two-dimensional materials and modifying the stacking order, the hysteresis and conductance polarity of the field-effect transistor can be controlled. These devices show high mobility, high on/off current ratio, large memory window and stable retention, providing a promising route towards flexible and transparent memory devices utilizing atomically thin two-dimensional materials.

Abstract In the general framework of the weighted gene co-expression network analysis (WGCNA), a hierarchical clustering algorithm is commonly used to module definition. However, hierarchical clustering depends strongly on the topological overlap measure. In other words, this algorithm may assign two genes with low topological overlap to different modules even though their expression patterns are similar. Here, a novel gene module clustering algorithm for WGCNA is proposed. We develop a gene module clustering network (gmcNet), which simultaneously addresses single-level expression and topological overlap measure. The proposed gmcNet includes a “co-expression pattern recognizer” (CEPR) and “module classifier”. The CEPR incorporates expression features of single genes into the topological features of co-expressed ones. Given this CEPR-embedded feature, the module classifier computes module assignment probabilities. We validated gmcNet performance using 4,976 genes from 20 native Korean cattle. We observed that the CEPR generates more robust features than single-level expression or topological overlap measure. Given the CEPR-embedded feature, gmcNet achieved the best performance in terms of modularity (0.261) and the differentially expressed signal (27.739) compared with other clustering methods tested. Furthermore, gmcNet detected some interesting biological functionalities for carcass weight, backfat thickness, intramuscular fat, and beef tenderness of Korean native cattle. Therefore, gmcNet is a useful framework for WGCNA module clustering. Author summary A graph neural network is a good alternative algorithm for WGCNA module clustering. Even though the graph-based learning methods have been widely applied in bioinformatics, most studies on WGCNA did not use graph neural network for module clustering. In addition, existing methods depend on topological overlap measure of gene pairs. This can degrade similarity of expression not only between modules, but also within module. On the other hand, the proposed gmcNet, which works similar to message-passing operation of graph neural network, simultaneously addresses single-level expression and topological overlap measure. We observed the higher performance of gmcNet comparing to existing methods for WGCNA module clustering. To adopt gmcNet as clustering algorithm of WGCNA, it remains future research issues to add noise filtering and optimal k search on gmcNet. This further research will extend our proposed method to be a useful module clustering algorithm in WGCNA. Furthermore, our findings will be of interest to computational biologists since the studies using graph neural networks to WGCNA are still rare.

Abstract Carbon-negative synthesis of biochemical products has the potential to mitigate global CO 2 emissions. An attractive route to do this is the reverse β-oxidation (r-BOX) pathway coupled to the Wood-Ljungdahl pathway. Here, we optimized and implemented r-BOX for the synthesis of C4-C6 acids and alcohols. With a high-throughput in vitro prototyping workflow, we screened 762 unique pathway combinations using cell-free extracts tailored for r-BOX to identify enzyme sets for enhanced product selectivity. Implementation of these pathways into Escherichia coli generated designer strains for the selective production of butanoic acid (4.9 ±0.1 gL -1 ), hexanoic acid (3.06 ± 0.03 gL -1 ) and 1-hexanol (1.0 ± 0.1 gL -1 ) at the best performance reported to date in this bacterium. We also generated Clostridium autoethanogenum strains able to produce 1-hexanol from syngas, achieving a titer of 0.26 gL -1 in a 1.5-L continuous fermentation. Our strategy enables optimization of rBOX derived products for biomanufacturing and industrial biotechnology.

Abstract Verifying causal effects of neural circuits is essential for proving direct a circuit-behavior relationship. However, techniques for tagging only active neurons with high spatiotemporal precision remain at the beginning stages. Here we developed the soma-targeted Cal-Light (ST-Cal-Light) which selectively converts somatic calcium rise triggered by action potentials into gene expression. Such modification simultaneously increases the signal-to-noise ratio (SNR) of reporter gene expression and reduces the light requirement for successful labeling. Because of the enhanced efficacy, the ST-Cal-Light enables the tagging of functionally engaged neurons in various forms of behaviors, including context-dependent fear conditioning, leverpressing choice behavior, and social interaction behaviors. We also targeted kainic acid-sensitive neuronal populations in the hippocampus which subsequently suppressed seizure symptoms, suggesting ST-Cal-Light’s applicability in controlling disease-related neurons. Furthermore, the generation of a conditional ST-Cal-Light knock-in (KI) mouse provides an opportunity to tag active neurons in a region- or cell-type specific manner via crossing with other Cre-driver lines. Thus, the versatile ST-Cal-Light system links somatic action potentials to behaviors with high temporal precision, and ultimately allows functional circuit dissection at a single cell resolution.

In this study, lignin nanoparticles (LN) and octadecylamine-modified LN (LN-ODA) were utilized as coating materials to enhance the hydrophobic, antioxidant, and ultraviolet radiation-shielding (UV-shielding) properties of a TEMPO-oxidized nanocellulose film (TOCNF). The water contact angle (WCA) of the TOCNF was approximately 53° and remained stable for 1 min, while the modified LN-ODA-coated TOCNF reached over 130° and maintained approximately 85° for an hour. Pure TOCNF exhibited low antioxidant properties (4.7 %), which were significantly enhanced in TOCNF-LN (81.6 %) and modified LN-ODA (10.3 % to 27.5 %). Modified LN-ODA-coated TOCNF exhibited antioxidant properties two to six times higher than those of pure TOCNF. Modified LN-ODA exhibited thermal degradation max (T

The effects of air heat treatment were evaluated on six Korean oak woods: Quercus serrata (Qs), Quercus mongolica (Qm), Quercus acutissima (Qac), Quercus aliena (Qal), Quercus dentata (Qd), and Quercus variabilis (Qv). Color change (ΔE*), weight loss, and density loss were examined using flat-sawn heartwood boards before and after treatment at 160 °C, 180 °C, 200 °C, and 220 °C for 2 h. Overall, the ΔE*, weight loss, and density loss increased with temperature. The properties between temperature and species showed distinct differences. A change to a darker color was observed in all species after treatment at 200 °C. Qm and Qd exhibited the highest and lowest L*, a*, and b* values after treatment at 220 °C, respectively. The highest ΔE* values were obtained in Qd at 160 °C, Qs at 180 °C and 200 °C, and Qv at 220 °C. Qd and Qv exhibited the highest and lowest weight losses at 160 °C, respectively. Qac and Qal showed the highest and lowest weight losses at 220 °C, respectively. Qm showed the highest density loss at all temperatures, whereas Qs had the lowest at 160 °C, and Qac had the lowest values at 180 °C, 200 °C, and 220 °C.

Abstract The clustered regularly interspaced short palindromic repeats (CRISPR)-Cas12a system is composed of a Cas12a effector that acts as a deoxyribonucleic acid (DNA)-cleaving endonuclease and a crispr ribonucleic acid (crRNA) that guides the effector to the target DNA. It is considered a key molecule for inducing target-specific gene editing in various living systems. Here, we improved the efficiency and specificity of the CRISPR-Cas12a system through protein and crRNA engineering. In particular, to optimize the CRISPR-Cas12a system at the molecular level, we used a chimeric DNA-RNA guide chemically similar to crRNA to maximize target sequence specificity. Compared to the wild type (wt)-Cas12a system, when using enhanced Cas12a system (en-Cas12a), the efficiency and target specificity improved on average by 7.41 and 7.60 times respectively. In our study, when the chimeric DNA-RNA guided en-Cas12a effector was used, the gene editing efficiency and accuracy were simultaneously increased. These findings could contribute to highly accurate genome editing, such as human gene therapy, in the near future.

ATR-FTIR can be utilized to instantly and economically analyze changes in the concentration of a desired ion in solution. This method can be utilized as an indicator for automated control of ion concentration systems.