A direct measurement of the 0.862 MeV 7Be solar neutrino interaction rate performed with the Borexino detector at the Laboratori Nazionali del Gran Sasso yields 46.0$\pm1.5_{\rm stat}$$^{+1.6}_{-1.5\,\rm syst}$ counts/day/(100 tons). Our result is the first direct measurement of a sub-MeV solar neutrino rate with an accuracy better than 5%. The hypothesis of no oscillation for 7Be solar neutrinos is rejected at 4.9$\sigma$ C.L. Using the latest Standard Solar Model (SSM) flux predictions, the result leads directly to a precise determination of the survival probability for solar $\nu_e$'s in vacuum, and permits us to probe with unprecedented sensitivity the transition between the matter-enhanced and vacuum-dominated neutrino oscillation regimes characteristic of the MSW-LMA solution to the solar neutrino problem.

Borexino has been running since May 2007 at the LNGS with the primary goal of detecting solar neutrinos. The detector, a large, unsegmented liquid scintillator calorimeter characterized by unprecedented low levels of intrinsic radioactivity, is optimized for the study of the lower energy part of the spectrum. During the Phase-I (2007-2010) Borexino first detected and then precisely measured the flux of the 7Be solar neutrinos, ruled out any significant day-night asymmetry of their interaction rate, made the first direct observation of the pep neutrinos, and set the tightest upper limit on the flux of CNO neutrinos. In this paper we discuss the signal signature and provide a comprehensive description of the backgrounds, quantify their event rates, describe the methods for their identification, selection or subtraction, and describe data analysis. Key features are an extensive in situ calibration program using radioactive sources, the detailed modeling of the detector response, the ability to define an innermost fiducial volume with extremely low background via software cuts, and the excellent pulse-shape discrimination capability of the scintillator that allows particle identification. We report a measurement of the annual modulation of the 7 Be neutrino interaction rate. The period, the amplitude, and the phase of the observed modulation are consistent with the solar origin of these events, and the absence of their annual modulation is rejected with higher than 99% C.L. The physics implications of phase-I results in the context of the neutrino oscillation physics and solar models are presented.

Abstract Since its introduction in 1990 and with over 50k citations, the NCBI BLAST family has been an essential tool of in silico molecular biology. The BLAST nt database, based on the traditional divisions of GenBank, has been the default and most comprehensive database for nucleotide BLAST searches and for taxonomic classification software in metagenomics. Here we argue that this is no longer the case. Currently, the NCBI WGS database contains one billion reads (almost five times more than GenBank), and with 4.4 trillion nucleotides, WGS has about 14 times more nucleotides than GenBank. This ratio is growing with time. We advocate a change in the database paradigm in taxonomic classification by systematically combining the nt and WGS databases in order to boost taxonomic classifiers sensitivity. We present here a case in which, by adding WGS data, we obtained over five times more classified reads and with a higher confidence score. To facilitate the adoption of this approach, we provide the draftGenomes script. Author summary Culture-independent methods are revolutionizing biology. The NIH/NCBI Basic Local Alignment Search Tool (BLAST) is one of the most widely used methods in computational biology. The BLAST nt database has become a de facto standard for taxonomic classifiers in metagenomics. We believe that it is time for a change in the database paradigm for such a classification. We advocate the systematic combination of the BLAST nt database with genomes of the massive NCBI Whole-Genome Shotgun (WGS) database. We make draftGenomes available, a script that eases the adoption of this approach. Current developments and technologies make it feasible now. Our recent results in several metagenomic projects indicate that this strategy boosts the sensitivity in taxonomic classifications.

The first loading of gadolinium (Gd) into Super-Kamiokande in 2020 was successful, and the neutron capture efficiency on Gd reached 50%. To further increase the Gd neutron capture efficiency to 75%, 26.1 tons of Gd2(SO4)3⋅8H2O was additionally loaded into Super-Kamiokande (SK) from May 31 to July 4, 2022. As the amount of loaded Gd2(SO4)3⋅8H2O was doubled compared to the first loading, the capacity of the powder dissolving system was doubled. We also developed new batches of gadolinium sulfate with even further reduced radioactive impurities. In addition, a more efficient screening method was devised and implemented to evaluate these new batches of Gd2(SO4)3⋅8H2O. Following the second loading, the Gd concentration in SK was measured to be 333.5±2.5 ppm via an Atomic Absorption Spectrometer (AAS). From the mean neutron capture time constant of neutrons from an Am/Be calibration source, the Gd concentration was independently measured to be 332.7 ± 6.8(sys.) ± 1.1(stat.) ppm, consistent with the AAS result. Furthermore, during the loading the Gd concentration was monitored continually using the capture time constant of each spallation neutron produced by cosmic-ray muons, and the final neutron capture efficiency was shown to become 1.5 times higher than that of the first loaded phase, as expected.

Abstract Statistical laws arise in many complex systems and can be explored to gain insights into their structure and behavior. Here, we investigate the dynamics of cells infected with severe acute respiratory syndrome virus 2 (SARS-CoV-2) at the system and individual gene levels; and demonstrate that the statistical frameworks used here are robust in spite of the technical noise associated with single-cell RNA sequencing (scRNA-seq) data. A biphasic fit to Taylor’s power law was observed, and it is likely associated with the larger sampling noise inherent to the measure of less expressed genes. The type of the distribution of the system, as assessed by Taylor’s parameters, varies along the course of infection in a cell type-dependent manner, but also sampling noise had a significant influence on Taylor’s parameters. At the individual gene level, we found that genes that displayed signals of punctual rank stability and/or long-range dependence behavior, as measured by Hurst exponents, were associated with translation, cellular respiration, apoptosis, protein-folding, virus processes, and immune response. Author summary Viruses replicate within susceptible cells by exploiting the cellular machinery. Consequently, cells initiate defenses against the virus and signal other cells, notably immune cells. This ongoing battle prompts significant alterations in the cells’ gene expression patterns throughout the infection process. In this study, we apply statistical principles from complex systems theory to analyze gene expression data from individual cells infected with SARS-CoV-2. Our research aims to elucidate how viral infection impacts cells at both systemic and individual gene levels. Our primary findings are twofold: ( i ) the virus influences the distribution of gene transcripts over the course of infection, varying depending on cell type. ( ii ) As the infection progresses, numerous genes associated with critical cellular functions and immunity exhibit signs of punctual instability and/or autocorrelation, indicating their response to viral infection at various stages of the process.

The olive tree is of particular economic interest in the Mediterranean basin. Researchers have conducted several studies on one of the most devastating disorders affecting this tree, the Verticillium wilt of olive, which causes significant economic damage in numerous areas of this crop. We have analyzed the temporal metagenomic samples of a transcriptomic study in Olea europaea roots and leaves after root-damage and after a root Verticillium dahliae infection (Jimenez-Ruiz, 2017). Our results indicate that this infection, although led by Verticillium, is driven not by a single species but by a polymicrobial community, including their natural endophytes, which acts as a consortium in the attack to the host plant. This community includes both biotrophic and necrotrophic organisms that alternate and live together during the infection. Our results not only describe how the microbial community progresses along these processes, but also explain the high complexity of these systems, that in turn, could justify at least in part the occasional changes and disparity found at the time of classifying the kind of parasitism of a determined organism.

Statistical laws arise in many complex systems and can be explored to gain insights into their structure and behavior. Here, we investigate the dynamics of cells infected with severe acute respiratory syndrome virus 2 (SARS-CoV-2) at the system and individual gene levels; and demonstrate that the statistical frameworks used here are robust in spite of the technical noise associated with single-cell RNA sequencing (scRNA-seq) data. A biphasic fit to Taylor’s power law was observed, and it is likely associated with the larger sampling noise inherent to the measure of less expressed genes. The type of the distribution of the system, as assessed by Taylor’s parameters, varies along the course of infection in a cell type-dependent manner, but also sampling noise had a significant influence on Taylor’s parameters. At the individual gene level, we found that genes that displayed signals of punctual rank stability and/or long-range dependence behavior, as measured by Hurst exponents, were associated with translation, cellular respiration, apoptosis, protein-folding, virus processes, and immune response. Those genes were analyzed in the context of a protein-protein interaction network to find possible therapeutic targets.

Human microbiota plays an important role in determining changes from health to disease. Increasing research activity is dedicated to understand its diversity and variability. We analyse 16S rRNA and whole genome sequencing (WGS) data from the gut microbiota of 97 individuals monitored in time. Temporal fluctuations in the microbiome reveal significant differences due to factors that affect the microbiota such as dietary changes, antibiotic intake, early gut development or disease. Here we show that a fluctuation scaling law describes the temporal variability of the system and that a noise-induced phase transition is central in the route to disease. The universal law distinguishes healthy from sick microbiota and quantitatively characterizes the path in the phase space, which opens up its potential clinical use and, more generally, other technological applications where microbiota plays an important role.