During the development of shale gas, various issues such as low individual well production, rapid decline, limited reservoir control, and low recovery rates have arisen. Enhancing shale gas reservoir recovery rates has consistently been a focal point and challenge within the industry. Therefore, this paper employs molecular dynamic (MD) simulation methods to study the adsorption and diffusion characteristics of CH4/CO2 at different temperatures and mixing ratios. It compares the effects of temperature and CH4/CO2 molar ratio changes on the selectivity coefficient, adsorption capacity, and diffusion coefficient of CH4/CO2. The paper also plots the displacement interface and the function of CH4/CO2 injection/residual amounts over time. Furthermore, it analyzes the adsorption capacity of molecules on the graphene surface, the migration capacity of molecules in the slit, and the displacement process of CH4 by CO2 on the nanoscale, revealing the microscopic mechanism of CH4/CO2 competitive adsorption and displacement. The research results indicate that the influence of temperature on the selectivity coefficient is not significant, with an average decrease of 3% for every 20 K rise in temperature. Pressure has a more pronounced effect on the selectivity coefficient, with values around 1.4 at low pressures and around 1.2 at high pressures. Elevating the mole fraction of CO2 in the binary gas mixture results in an increase in the total adsorption amount and an accelerated variation of adsorption amount with pressure. As the CH4 mole fraction rises, the diffusion coefficient of CH4 increases, while the diffusion coefficient of CO2 diminishes with an increasing CO2 mole fraction. Under identical conditions, CO2 exhibits a stronger adsorption capacity over CH4 in shale organic nanopores, resulting in a concave moon-shaped displacement interface in the model. The larger the pre-adsorption pressure of CO2, the more intense the movement of CO2 along the graphene surface, and the faster the diffusion speed of CO2 along the wall. In a displacement pore (the pore space used to provide the displacement location or site) with a diameter of 3 nm, at smaller pressure differentials (≤10 MPa), the residual amount of CH4 remains relatively stable without substantial alteration. However, at a pressure differential of 20 MPa, the residual amount of CH4 decreases rapidly, and the displacement efficiency significantly improves.

Hemodynamic parameters can provide surveillance for the risk of complication of abdominal aortic aneurysms following endovascular aneurysm repair (EVAR). However, obtaining hemodynamic parameters through computational fluid dynamics (CFD) has disadvantages of complex operation and high computational costs. Recently proposed physics-informed neural networks offer novel solutions to solve these issues by leveraging fundamental physical conservation principles of fluid dynamics. Based on cardiovascular point datasets, we further propose an integration algorithm combining physics-informed PointNet and quadratic residual networks (PIPN-QN) that is capable of mapping sparse point clouds to four-dimensional hemodynamic parameters. The implemented workflow includes generating point cloud datasets through CFD simulation and dynamically reproducing the three-dimensional flow field in the spatial and temporal dimensions through deep learning. Compared with physics-informed PointNet (PIPN), the PIPN-QN reduces the mean square error of pressure and wall shear stress by around 32.1% and 33.1% and anticipates hemodynamic parameters in less than 2 s (14 400 times faster than CFD). To address the challenge of big data requirements, we quantify the universal flow field using a reduced number of supervision points, as opposed to the large number of point clouds generated from the CFD simulation. The PIPN-QN can meet the real-time hemodynamic parameters obtained from patients with abdominal aortic aneurysms following EVAR with higher accuracy, faster speed, and lower training costs.

Abstract Aortic root aneurysm is a potentially life-threatening condition that may lead to aortic rupture and is often associated with genetic syndromes, such as Marfan syndrome (MFS). Although studies with MFS animal models have provided valuable insights into the pathogenesis of aortic root aneurysms, our understanding of the transcriptomic and epigenomic landscape in human aortic root tissue remains incomplete. This knowledge gap has impeded the development of effective targeted therapies. Here, this study performs the first integrative analysis of single-nucleus multiomic (gene expression and chromatin accessibility) and spatial transcriptomic sequencing data of human aortic root tissue under healthy and MFS conditions. Cell-type-specific transcriptomic and cis-regulatory profiles in the human aortic root are identified. Regulatory and spatial dynamics during phenotypic modulation of vascular smooth muscle cells (VSMCs), the cardinal cell type, are delineated. Moreover, candidate key regulators driving the phenotypic modulation of VSMC, such as FOXN3 , TEAD1 , BACH2 , and BACH1 , are identified. In vitro experiments demonstrate that FOXN3 functions as a novel key regulator for maintaining the contractile phenotype of human aortic VSMCs through targeting ACTA2. These findings provide novel insights into the regulatory and spatial dynamics during phenotypic modulation in the aneurysmal aortic root of humans.

A diameter of 50 or 55 mm is the primary clinical criterion for assessing abdominal aortic aneurysm (AAA) rupture risk. However, although larger diameters may induce higher rupture risk, not all AAAs exceeding intervention threshold will rupture, highlighting the need for indicators besides diameter to help rupture prediction and treatment of AAA ≥ 50 mm. The study aims to combine computation, experiment, and statistics to establish rupture prediction models for AAAs ≥ 50 mm and explore the optimal predictors of AAA rupture with different diameters by anatomical and hemodynamic characteristics. Through numerical simulation and in vitro experiment, morphological and hemodynamic parameters were obtained from 82 AAAs (41 ruptured) ≥ 50 mm. The results of significance test and logistic regression indicate that low time-averaged wall shear stress (TAWSS) of AAA and maximum diameter of common iliac artery, and high oscillatory shear index (OSI) of AAA, TAWSS of iliac artery and tortuosity of abdominal aorta increase rupture risk of AAA ≥ 50 mm. The prediction model combining these variables was established with high accuracy (area under curve = 0.978). Furthermore, univariable analyses for AAAs of different diameters imply the OSI is a risk factor for AAA rupture of 50–65 mm, while higher TAWSS decreases the risk of AAA rupture of 65–80 and ≥ 80 mm. The findings may contribute to accurate rupture prediction and personalized management of AAAs ≥ 50 mm and with different diameters, and further demonstrate potential value and application prospects of combining morphology and hemodynamics in clinical practice.

Pedicle screw instrument surgeries can result in the development of aortic pseudoaneurysm, which is a rare yet potentially severe complication; therefore, the purpose of this work is to describe the case of pseudoaneurysm of the thoracic aorta caused by the severe migration of a pedicle screw after surgery.