Optimization of antibiotic therapy has been hindered by our dearth of understanding on the mechanism of the host-pathogen-drug interactions. Here, we employed dual RNA-sequencing to examine transcriptomic perturbations in response to polymyxin B in a co-culture infection model of Acinetobacter baumannii and human macrophages. Our findings revealed that polymyxin B treatment induced significant transcriptomic response in macrophage-interacting A. baumannii , exacerbating bacterial oxidative stress, disrupting metal homeostasis, affecting osmoadaptation, triggering stringent stress response, and influencing pathogenic factors. Moreover, infected macrophages adapt heme catabolism, coagulation cascade, and hypoxia-inducible signaling to confront bacterial invasion. Disrupting rcnB , ompW , and traR/dksA genes in A. baumannii impairs metal homeostasis, osmotic stress defense and stringent responses, thereby enhancing antibacterial killing by polymyxin. These findings shed light on the global stress adaptations at the network level during host-pathogen-drug interactions, revealing promising therapeutic targets for further investigation.In the context of the development of bacterial resistance during the course of antibiotic therapy, the role of macrophages in shaping bacterial response to antibiotic killing remains enigmatic. Herein we employed dual RNA-sequencing and an in vitro tripartite model to delve into the unexplored transcriptional networks of the Acinetobacter baumannii -macrophage-polymyxin axis. Our findings uncovered the potential synergy between macrophages and polymyxin B which appear to act in co-operation to disrupt multiple stress tolerance mechanisms in A. baumannii . Notably, we discovered the critical roles of bacterial nickel/cobalt homeostasis ( rcnB family), osmotic stress defense ( ompW family), and stringent response regulator ( traR/dksA C4-type zinc finger) in tolerating the last-line antibiotic polymyxin B. Our findings may lead to potential targets for the development of novel therapeutics against the problematic pathogen A. baumannii .

The video laryngoscope (VLS) has been proven to be an effective insertion device for airway management. However, no laryngoscope has been specifically designed for the placement of the laryngeal mask airway (LMA). We improved the current VLS and developed a novel VLS method. This study aimed to evaluate the clinical efficacy of an improved VLS for inserting a flexible laryngeal mask airway (F-LMA) compared with the standard blind method.

Abstract Battery recycling is a promising approach to mitigate the safety, environmental, and economic threats posed by numerous discarded lithium‐ion batteries (LIBs). However, the unclear atomic‐scale degradation of spent graphite complicates recycling, resulting in energy‐intensive impurity removal and graphitization, which hampers industrialization. This study uses Cryo‐transmission electron microscopy (Cryo‐TEM) to characterize spent graphite degradation and develop a scalable graphite self‐induced microwave plasma method for efficient regeneration. Cryo‐TEM images show graphite coated with a solid electrolyte interphase (SEI) layer, revealing lattice defects and structure expansion near the surface that impair electrochemical performance. The self‐induced microwave plasma method eradicates the SEI layer and restores the graphite lattice structure within 30 s. Multiphysics simulations indicate that the microwave field generates a strong electric field on the graphite surface, causing plasma discharge and rapid surface heating. Regenerated graphite demonstrates excellent electrochemical performance, with a specific charge capacity of 352.2 mAh g −1 at 0.2 C and ≈81% capacity retention after 400 cycles, matching commercially available materials. This efficient method offers a promising approach for recycling graphite anodes.

To enhance agricultural productivity through the accurate detection of pests under the constrained resources of mobile devices, we introduce LP-YOLO, a bespoke lightweight object detection framework optimized for mobile-based insect pest identification. Initially, we devise lightweight components, namely LP_Unit and LP_DownSample, to serve as direct substitutes for the majority of modules within YOLOv8. Subsequently, we develop an innovative attention mechanism, denoted as ECSA (Efficient Channel and Spatial Attention), which is integrated into the network to forge LP-YOLO(l). Moreover, assessing the trade-offs between parameter reduction and computational efficiency, considering both the backbone and head components of the network, we use structured pruning methods for the pruning process, culminating in the creation of LP-YOLO(s). Through a comprehensive series of evaluations on the IP102 dataset, the efficacy of LP-YOLO as a lightweight object detection model is validated. By incorporating fine-tuning techniques during training, LP-YOLO(s)n demonstrates a marginal mAP decrease of only 0.8% compared to YOLOv8n. However, it achieves a significant reduction in parameter count by 70.2% and a remarkable 40.7% increase in FPS, underscoring its efficiency and performance.