Summary Epstein-Barr virus (EBV) subverts host epigenetic pathways to switch between viral latency programs, colonize the B-cell compartment and reactivate. Within memory B-cells, the reservoir for lifelong infection, EBV genomic DNA and histone methylation marks restrict gene expression. But, this epigenetic strategy also enables EBV-infected tumors, including Burkitt lymphomas to evade immune detection. Little is known about host cell metabolic pathways that support EBV epigenome landscapes. We therefore used amino acid restriction, metabolomic and CRISPR approaches to identify that an abundant methionine supply, and interconnecting methionine and folate cycles, maintain Burkitt EBV gene silencing. Methionine restriction, or methionine cycle perturbation, hypomethylated EBV genomes, de-repressed latent membrane protein and lytic gene expression. Methionine metabolism also shaped EBV latency gene regulation required for B-cell immortalization. Dietary methionine restriction altered murine Burkitt xenograft metabolomes and de-repressed EBV immunogens in vivo . These results highlight epigenetic/immunometabolism crosstalk supporting the EBV B-cell lifecycle and suggest therapeutic approaches. Highlights Methionine metabolism is critical for Epstein-Barr virus B-cell latency Extensive cross-talk enables methionine metabolism to control the EBV epigenome Methionine restriction also impairs EBV-driven human B-cell immortalization Dietary methionine restriction unmasks EBV antigens in Burkitt xenografts in vivo

ABSTRACT Heterogeneity is the major challenge for cancer prevention and therapy. Here, we firstly constructed high-resolution spatial transcriptomes of primary liver cancers (PLCs) containing 84,823 spots within 21 tissues from 7 patients. The sequential comparison of spatial tumor microenvironment (TME) characteristics from non-tumor to leading-edge to tumor regions revealed that the tumor capsule potentially affects intratumor spatial cluster continuity, transcriptome diversity and immune cell infiltration. Locally, we found that the bidirectional ligand-receptor interactions at the 100 μm wide cluster-cluster boundary contribute to maintaining intratumor architecture. Our study provides novel insights for diverse tumor ecosystem of PLCs and has potential benefits for cancer intervention.

Borophene stands out uniquely among Xenes with its metallic character, Dirac nature, exceptional electron mobility, thermal conductivity, and Young's moduli—surpassing graphene. Invented in 2015, various methods, including atomic layer deposition, molecular beam epitaxy, and chemical vapor deposition, have successfully been demonstrated to realize substrate-supported crystal growth. Top-down approaches like micromechanical, sonochemical, solvothermal and modified hummer's techniques have also been employed. Thanks to its high electronic mobility, borophene serves as an active material for ultrafast sensing of light, gases, molecules, and strain. Its metallic behaviour, electrochemical activity, and anti-corrosive nature make it ideal for applications in energy storage and catalysis. It has been proven effective as an electrocatalyst for HER, OER, water splitting, CO2 reduction, and NH3 reduction reactions. Beyond this, borophene has found utility in bioimaging, biosensing, and various biomedical applications. A special emphasis will be given on the borophene nanoarchitectonics i.e. doped borophene and borophene-based hybrids with other 2D materials and nanoparticles and the theoretical understanding of these emerging materials systems to gain more insights on their electronic structure and properties, aiming to manipulate borophene for tailored applications.

Epstein-Barr virus (EBV) uses latency programs to colonize the memory B-cell reservoir, and each program is associated with human malignancies. However, knowledge remains incomplete of epigenetic mechanisms that maintain the highly restricted latency I program, present in memory and Burkitt lymphoma cells, in which EBNA1 is the only EBV-encoded protein expressed. Given increasing appreciation that higher order chromatin architecture is an important determinant of viral and host gene expression, we investigated roles of Wings Apart-Like Protein Homolog (WAPL), a host factor that unloads cohesins to control DNA loop size and that was discovered as an EBNA2-associated protein. WAPL knockout (KO) in Burkitt cells de-repressed LMP1 and LMP2A expression but not other EBV oncogenes to yield a viral program reminiscent of EBV latency II, which is rarely observed in B-cells. WAPL KO also increased LMP1/2A levels in latency III lymphoblastoid cells. WAPL KO altered EBV genome architecture, triggering formation of DNA loops between the LMP promoter region and the EBV origins of lytic replication (oriLyt). Hi-C analysis further demonstrated that WAPL KO reprograms EBV genomic DNA looping. LMP1 and LMP2A de-repression correlated with decreased histone repressive marks at their promoters. We propose that EBV coopts WAPL to negatively regulate latent membrane protein expression to maintain Burkitt latency I.

Abstract Connectomics is a developing field aiming at reconstructing the connection of the neural system at nanometer scale. Computer vision technology, especially deep learning methods used in image processing, has promoted connectomic data analysis to a new era. However, the performance of the state-of-the-art methods still falls behind the demand of scientific research. Inspired by the success of ImageNet, we present the U-RISC, an annotated U ltra-high R esolution I mage S egmentation dataset for C ell membrane, which is the largest cell membrane annotated Electron Microscopy (EM) dataset with a resolution of 2.18nm/pixel. Multiple iterative annotations ensured the quality of the dataset. Through an open competition, we reveal that the performance of current deep learning methods still has a considerable gap with human-level, different from ISBI 2012, on which the performance of deep learning is close to human. To explore the causes of this discrepancy, we analyze the neural networks with a visualization method, attribution analysis. We find that in U-RISC, it requires a larger area around a pixel to predict whether the pixel belongs to the cell membrane or not. Finally, we integrate currently available methods to provide a new benchmark (0.67, 10% higher than the leader of competition, 0.61) for cell membrane segmentation on U-RISC and propose some suggestions in developing deep learning algorithms. The U-RISC dataset and the deep learning codes used in this paper will be publicly available.

The escalation of microplastics/nanoplastics (MPs/NPs) contamination in aqueous systems has ignited considerable concern. Magnetic separation has emerged as a promising remedy for the removal of these pollutants, owing to its notable removal efficiency, cost-effectiveness, and environmentally friendly attributes. This study presents the utilization of ultra-thin magnetic Fe3O4 nanodiscs (NDs) for the adsorption and separation of MPs/NPs. Investigations revealed that these NDs could effectively adsorb/remove MPs/NPs across a spectrum ranging from micro- to nano-scale, exhibiting a notable adsorption capacity of 188.4 mg g−1. Mechanistically, MPs/NPs adsorption was driven by both electrostatic and magnetic forces originating from the vortex domain of NDs, which can be well described by pseudo-first-order and Sips models. Furthermore, the NDs exhibited outstanding reusability, maintaining over 90 % removal efficiency even after undergoing five cycles. This research introduces a cost-effective method for the separation of MPs/NPs, representing a significant stride in wastewater treatment methodologies.