Chronic stress is a causal antecedent condition for major depressive disorder and associates with altered patterns of neural connectivity. There are nevertheless important individual differences in susceptibility to chronic stress. How stress-induced alterations in functional connectivity amongst depression-related brain regions associates with resilience and susceptibility to chronic stress is largely unknown. We used resting-state functional magnetic resonance imaging (rs-fMRI) to examine functional connectivity between established depression-related regions in susceptible (SUS) and resilient (RES) adult mice following chronic social defeat stress (CSDS). Seed-seed FC analysis revealed that the ventral dentate gyrus (vDG) exhibited the greatest number of group differences in functional connectivity with targeted brain regions. SUS mice showed greater functional connectivity between the vDG and subcortical regions compared to both control (CON) or RES groups. Whole brain vDG seed-voxel analysis supported seed-seed findings in SUS mice and indicated significantly decreased connectivity between the vDG and anterior cingulate area compared to CON mice. Interestingly, RES mice exhibited enhanced connectivity between the vDG and anterior cingulate area compared to SUS mice. Moreover, RES mice showed greater connectivity between the infralimbic prefrontal cortex and the nucleus accumbens shell. These findings indicate unique differences in functional connectivity patterns in SUS and RES mice that could represent a neurobiological basis for vulnerability for stress-induced depression.

Abstract Sorghum Anthracnose and Black Sigatoka of bananas are problematic fungal diseases worldwide, with a particularly devastating impact on small-holder farmers in Sub-Saharan Africa. We screened a total of 1,227 bacterial isolates for antifungal activity against these pathogens using detached-leaf methods and identified 72 isolates with robust activity against one or both of these pathogens. These bacterial isolates represent a diverse set of five phyla, 14 genera and 22 species, including taxa for which this is the first observation of fungal disease suppression. We identified biosynthetic gene clusters associated with activity against each pathogen. Through a machine learning workflow we discovered additional active isolates, including an isolate from a genus that had not been included in previous screening or model training. Machine-learning improved the discovery rate of our screen by 3-fold. This work highlights the wealth of biocontrol mechanisms available in the microbial world for management of fungal pathogens, generates opportunities for future characterization of novel fungicidal mechanisms, and provides a set of genomic features and models for discovering additional bacterial isolates with activity against these two pathogens.