The long-range order of spherical block copolymer films is greatly improved if the underlying surface has been etched to form wells and mesas. Epitaxial growth of polystyrene/poly(2-vinylpyridine) block copolymers on SiO2 with structures 1–10 μm wide yields single-crystal-like structures on top of the mesas (see Figure), and in the wells, provided the height of the mesas exceeds one layer of copolymer spheres (27 nm). (See also inside front cover.)

Tougher when stressed Hydrogels are typically weak materials because they contain only a small fraction of polymeric material highly swollen with water. Strength can be increased by adding extra cross-linking or interpenetrating networks with some sacrificial bonds to enhance toughness; however, these properties deteriorate upon stretching and may be slow to recover after relaxation. Liu et al. developed polyethylene glycol hydrogels cross-linked with moderate fractions of polymers that form sliding rings. These allow the chain to orient in parallel when stretched, leading to rapid and reversible strain-induced crystallization and thus much tougher hydrogels. Science , aaz6694, this issue p. 1078

Abstract Brain decoding of motor imagery (MI) is crucial for the control of neuroprosthesis, and it provides insights into the underlying neural mechanisms. Walking consists of stance and swing phases, which are associated with different biomechanical and neural control features. However, previous studies on the decoding of the MI of walking focused on the classification of more simple information (e.g., walk and rest). Here, we investigated the feasibility of electroencephalogram (EEG) decoding of the two gait phases during the MI of walking and whether the combined use of MI and action observation (AO) would improve decoding accuracy. We demonstrated that the stance and swing phases could be decoded from EEGs during AO or MI alone. Additionally, the combined use of MI and AO improved decoding accuracy. The decoding models indicated that the improved decoding accuracy following the combined use of MI and AO was facilitated by the additional information resulting from the concurrent cortical activations by multiple regions associated with MI and AO. This study is the first to show that decoding the stance versus swing phases during MI is feasible. The current findings provide fundamental knowledge for neuroprosthetic design and gait rehabilitation, and they expand our understanding of the neural activity underlying AO, MI, and AO+MI of walking. Significance Statement Brain decoding of detailed gait-related information during motor imagery (MI) is important for brain-computer interfaces (BCIs) for gait rehabilitation. However, previous knowledge on decoding the motor imagery of gait is limited to simple information (e.g., the classification of “walking” and “rest”). Here, we demonstrated the feasibility of EEG decoding of the two gait phases during MI. We also demonstrated that the combined use of MI and action observation (AO) improves decoding accuracy, which is facilitated by the concurrent and synergistic involvement of the cortical activations by multiple regions for MI and AO. These findings extend the current understanding of neural activity and the combined effects of AO and MI and provide a basis for developing effective techniques for walking rehabilitation.

Abstract Investigation of the firing behavior of spinal motor neurons (MNs) provides essential neuromuscular control information because MNs form the “final common pathway” in motor control. The MNs activated during human infants’ leg movements and rodent locomotion, mainly controlled by the spinal central pattern generator (CPG), show highly synchronous firing. In addition to spinal CPGs, the cerebral cortex is involved in neuromuscular control during walking in human adults. Thus, MN firing behavior during adult walking is expected to be similar to that of infants and rodents and has some unique features. Recent technical advances allow non-invasive investigation of MN firing by high-density surface electromyogram (HDsEMG) decomposition. Therefore, we investigated the MN firing behavior of the tibialis anterior muscle during walking by HDsEMG decomposition. We found motor unit recruitment modulation compared with steady isometric contractions, doublet firings, and gait phase-specific firings during walking. We also found high MN synchronization during walking over a wide range of frequencies, probably including cortical and spinal CPG-related components. The amount of MN synchronization was modulated between the gait phases and motor tasks. These results suggest that the central nervous system, including the spinal CPG and cerebral cortex, flexibly controls MN firing to generate appropriate muscle force during human walking. In addition to revealing the neural control mechanisms of walking, our data demonstrate the feasibility of non-invasive investigation of MNs during walking, which will open new frontiers for the study of neuromuscular function in medical and exercise sciences.

Abstract The extent to which muscle synergies represent the neural control of human behavior remains unknown. Here, we tested whether certain sets of muscle synergies that are fundamentally necessary across behaviors exist. We measured the electromyographic activities of 26 muscles including bilateral trunk and lower limb muscles during 24 locomotion, dynamic and static stability tasks, and extracted the muscle synergies using non-negative matrix factorization. Our results showed that 13 muscle synergies that may have unique functional roles accounted for almost all 24 tasks by combinations of single and/or merging of synergies. Therefore, our results may support the notion of the low dimensionality in motor outputs, in which the central nervous system flexibly recruits fundamental muscle synergies to execute diverse human behaviors. Further studies using manipulations of the central nervous system and/or neural recording are required the neural representation with such fundamental components of muscle synergies.

ABSTRACT Introduction This study aimed to explore the shared muscle synergies between running and functional tests that are commonly used when considering the return to running (RTR) after sports-related injuries. We hypothesized that shared muscle synergies would differ among tasks, providing insights into prioritizing functional tests in the context of RTR. Methods Ten healthy male participants were recruited to perform running and 9 functional tasks and their 16 lower limb and trunk muscle activities were recorded using electromyography (EMG). Non-negative matrix factorization (NMF) was applied to the collected EMG data to explore shared muscle synergies between running and the functional tasks. We compared the percentages of shared synergies and temporal patterns between running and each functional test. Results Although all functional tests exhibited shared muscle synergies with running, the walk (75% [40%-100%]), single leg hops with 30% of maximum distance (SLH30) (60% [20%-100%]), and stepup (63% [0%-100%]) tasks displayed significantly higher percentages of shared synergies compared to other tests. However, significant differences in temporal patternss were observed between running and all functional tasks, indicating varying activation profiles of shared muscle synergies. Conclusion Although all functional tests shared muscle synergies with running, variations in the degree of shared synergies and temporal patterns imply that walking, SLH30, and step-up tests may be the most beneficial in predicting running behavior post-ACL injuries. However, functional tests cannot fully replicate running dynamics, suggesting the need for a careful interpretation when assessing readiness for RTR.

Walking movements are orchestrated by the activation of a large number of muscles. The control of numerous muscles during walking is believed to be simplified by flexible activation of groups of muscles called muscle synergies. Although significant corticomuscular connectivity during walking has been reported, the level at which the cortex controls locomotor muscle activity (i.e., muscle synergy or individual muscle level) remains unclear. Here, we examined cortical involvement in muscle control during walking by brain decoding of the activation of muscle synergies and individual muscles from electroencephalographic (EEG) signals using linear decoder models. First, we demonstrated that activation of locomotor muscle synergies was decoded from slow cortical waves with significant accuracy. In addition, we found that decoding accuracy for muscle synergy activation was greater than that for individual muscle activation and that decoding of individual muscle activation was based on muscle synergy-related cortical information. Taken together, these results provide indirect evidence that the cerebral cortex hierarchically controls multiple muscles through a few muscle synergies during walking. Our findings extend the current understanding of the role of the cortex in muscular control during walking and could accelerate the development of effective brain-machine interfaces for people with locomotor disabilities.

How the central nervous system (CNS) controls many joints and muscles is a fundamental question in motor neuroscience and related research areas. An attractive hypothesis is the module hypothesis: the CNS controls groups of joints or muscles (i.e., spatial modules) while providing time-varying motor commands (i.e., temporal modules) to the spatial modules rather than controlling each joint or muscle separately. Another fundamental question is how the CNS generates numerous repertories of movement patterns. One hypothesis is that the CNS modulates the spatial and/or temporal modules depending on the required tasks. It is thus essential to quantify the spatial module, the temporal module, and the task-dependent modulation of those modules. Although previous methods attempted to quantify these aspects, they considered the modulation in only the spatial or temporal module. These limitations were possibly due to the constraints inherent to conventional methods for quantifying the spatial and temporal modules. Here, we demonstrate the effectiveness of tensor decomposition in quantifying the spatial module, the temporal module, and the task-dependent modulation of these modules without such limitations. We further demonstrate that the tensor decomposition provides a new perspective on the task-dependent modulation of spatiotemporal modules: in switching from walking to running, the CNS modulates the peak timing in the temporal module while recruiting proximal muscles in the corresponding spatial module.Author summary There are at least two fundamental questions in motor neuroscience and related research areas: 1) how does the central nervous system (CNS) control many joints and muscles and 2) how does the CNS generate numerous repertories of movement patterns. One possible answer to question 1) is that the CNS controls groups of joints or muscles (i.e., spatial modules) while providing time-varying motor commands (i.e., temporal modules) to the spatial modules rather than controlling each joint or muscle separately. One possible answer to question 2) is that the CNS modulates the spatial and/or temporal module depending on the required tasks. It is thus essential to quantify the spatial module, the temporal module, and the task-dependent modulation of those modules. Here, we demonstrate the effectiveness of tensor decomposition in quantifying the modules and those task-dependent modulations while overcoming the shortcomings inherent to previous methods. We further show that the tensor decomposition provides a new perspective on how the CNS switches between walking and running. The CNS modulated the peak timing in the temporal module while recruiting proximal muscles in the corresponding spatial module.

Even in Caenorhabditis elegans, which has only 302 neurons, relationships between behaviors and neural networks are not easily elucidated. In this study, we proposed a novel cellomics approach enabling high-throughput and comprehensive exploration of the functions of a single neuron or a subset of neurons in a complex neural network on a particular behavior. To realize this, we combined optogenetics and Brainbow technologies. Using these technologies, we established a C. elegans library where opsin is labeled in a randomized pattern. Behavioral analysis on this library under light illumination enabled high-throughput annotation of neurons affecting target behaviors. We applied this approach to the egg-laying behavior of C. elegans and succeeded in high-throughput confirmation that hermaphrodite-specific neurons play an important role in the egg-laying behavior. This cellomics approach will lead to the accumulation of neurophysiological and behavioral data of the C. elegans neural network, which is necessary for constructing neuroanatomically grounded models of behavior.