Urbanization often occurs in an unplanned and uneven manner, resulting in profound changes in patterns of land cover and land use. Understanding these changes is fundamental for devising environmentally responsible approaches to economic development in the rapidly urbanizing countries of the emerging world. One indicator of urbanization is built-up land cover that can be detected and quantified at scale using satellite imagery and cloud-based computational platforms. This process requires reliable and comprehensive ground-truth data for supervised classification and for validation of classification products. We present a new dataset for India, consisting of 21,030 polygons from across the country that were manually classified as “built-up” or “not built-up,” which we use for supervised image classification and detection of urban areas. As a large and geographically diverse country that has been undergoing an urban transition, India represents an ideal context to develop and test approaches for the detection of features related to urbanization. We perform the analysis in Google Earth Engine (GEE) using three types of classifiers, based on imagery from Landsat 7 and Landsat 8 as inputs. The methodology produces high-quality maps of built-up areas across space and time. Although the dataset can facilitate supervised image classification in any platform, we highlight its potential use in GEE for temporal large-scale analysis of the urbanization process. Our methodology can easily be applied to other countries and regions.

Abstract The gut viral community has been linked to human physiology and health, but our knowledge of its genetic and functional contents and disease dependence is far from complete. Here, we collected 11,327 bulk or viral metagenomes from fecal samples from large-scale Chinese populations to establish a Chinese gut virus catalogue (cnGVC) comprising 67,096 nonredundant viral genomes. This catalogue included ∼70% of novel viruses that are not represented in existing gut viral databases, and allowed us to characterize the functional diversity and specificity of the gut virome. Using cnGVC, we 1) profiled the gut virome in large-scale populations and evaluated their sex- and age-related variations, 2) investigated the diversity and compositional patterns of the gut virome across common diseases by analyzing 6,314 bulk metagenomes spanning 28 disease or unhealthy statuses, and 3) identified a large number of universal viral signatures of diseases and validated their predictive ability for health status. Overall, our resources and results would contribute to the grand effort of expanding the knowledge of the human gut virome and addressing a full picture of the associations between viruses and common diseases.

Abstract The human vagina harbours diverse microorganisms—bacteria, viruses and fungi—with profound implications for women’s health. Genome-level analysis of the vaginal microbiome across multiple kingdoms remains limited. Here we utilize metagenomic sequencing data and fungal cultivation to establish the Vaginal Microbial Genome Collection (VMGC), comprising 33,804 microbial genomes spanning 786 prokaryotic species, 11 fungal species and 4,263 viral operational taxonomic units. Notably, over 25% of prokaryotic species and 85% of viral operational taxonomic units remain uncultured. This collection significantly enriches genomic diversity, especially for prevalent vaginal pathogens such as BVAB1 (an uncultured bacterial vaginosis-associated bacterium) and Amygdalobacter spp. (BVAB2 and related species). Leveraging VMGC, we characterize functional traits of prokaryotes, notably Saccharofermentanales (an underexplored yet prevalent order), along with prokaryotic and eukaryotic viruses, offering insights into their niche adaptation and potential roles in the vagina. VMGC serves as a valuable resource for studying vaginal microbiota and its impact on vaginal health.

Abstract Background/purpose(s) The gut microbiota and its metabolites play crucial roles in pathogenesis of arthritis, highlighting gut microbiota as a promising avenue for modulating autoimmunity. However, the characterization of the gut virome in arthritis patients, including osteoarthritis (OA) and gouty arthritis (GA), requires further investigation. Methods We employed virus-like particle (VLP)-based metagenomic sequencing to analyze gut viral community in 20 OA patients, 26 GA patients, and 31 healthy controls, encompassing a total of 77 fecal samples. Results Our analysis generated 6819 vOTUs, with a considerable proportion of viral genomes differing from existing catalogs. The gut virome in OA and GA patients differed significantly from healthy controls, showing variations in diversity and viral family abundances. We identified 157 OA-associated and 94 GA-associated vOTUs, achieving high accuracy in patient-control discrimination with random forest models. OA-associated viruses were predicted to infect pro-inflammatory bacteria or bacteria associated with immunoglobulin A production, while GA-associated viruses were linked to Bacteroidaceae or Lachnospiraceae phages. Furthermore, several viral functional orthologs displayed significant differences in frequency between OA-enriched and GA-enriched vOTUs, suggesting potential functional roles of these viruses. Additionally, we trained classification models based on gut viral signatures to effectively discriminate OA or GA patients from healthy controls, yielding AUC values up to 0.97, indicating the clinical utility of the gut virome in diagnosing OA or GA. Conclusion Our study highlights distinctive alterations in viral diversity and taxonomy within gut virome of OA and GA patients, offering insights into arthritis etiology and potential treatment and prevention strategies. Graphical Abstract

Patterns of arterial remodeling may be associated with outcomes in patients with severe middle cerebral artery (MCA) stenosis after endovascular treatment (EVT). This study aims to investigate the potential correlation between arterial remodeling patterns in patients with severe MCA stenosis, and plaque characteristics and procedure-related perforator stroke (PS).

BACKGROUND AND OBJECTIVES: Understanding post-treatment hemodynamic alterations and their association with the patency of covered branch arteries is limited. This study aims to identify hemodynamic changes after flow diverter stenting and investigate their correlation with the patency status of covered branch arteries. METHODS: All patients treated with pipeline embolization device for anterior cerebral artery aneurysms at our center between 2016 and 2020 were screened for inclusion. Quantitative digital subtraction angiography was used to analyze changes in hemodynamic parameters pre- and post-stenting. The patency status of covered branch arteries after stenting was categorized as either patent or flow impairment (defined as artery stenosis or occlusion). RESULTS: A total of 71 patients, encompassing 89 covered branch arteries, were enrolled. Flow impairment was observed in 11.2% (10/89) of the branches. The mean transit time and full width at half maximum (FWHM) in covered branches were significantly prolonged post-stenting ( P = .004 and .023, respectively). Flow-impaired branch arteries exhibited hemodynamic shifts contrary to those in patent branch arteries. Specifically, flow-impaired branches showed marked reductions in time to peak, FWHM, and mean transit time (decreases of 32.8%, 32.6%, and 29%, respectively; P = .006, .002, and .002, respectively). Further multivariate analysis revealed that reductions in FWHM in the branches (odds ratio = 0.97, 95% CI: 0.95-0.99, P = .007) and smoking (odds ratio = 14.5, 95% CI: 1.39-151.76, P = .026) were independent predictors of flow impairment of covered branches. CONCLUSION: Pipeline embolization device stenting can cause a reduction in blood flow in branch arteries. Compared with patent branches, flow-impaired branches exhibit an increase in blood flow velocity after stenting. Smoking and ΔFWHM in the covered branches indicate flow impairment.