Summary

 To provide a detailed analysis of the molecular components and underlying mechanisms associated with ovarian cancer, we performed a comprehensive mass-spectrometry-based proteomic characterization of 174 ovarian tumors previously analyzed by The Cancer Genome Atlas (TCGA), of which 169 were high-grade serous carcinomas (HGSCs). Integrating our proteomic measurements with the genomic data yielded a number of insights into disease, such as how different copy-number alternations influence the proteome, the proteins associated with chromosomal instability, the sets of signaling pathways that diverse genome rearrangements converge on, and the ones most associated with short overall survival. Specific protein acetylations associated with homologous recombination deficiency suggest a potential means for stratifying patients for therapy. In addition to providing a valuable resource, these findings provide a view of how the somatic genome drives the cancer proteome and associations between protein and post-translational modification levels and clinical outcomes in HGSC. 

Video Abstract

Summary Data-driven differential dependency network analysis identifies in a complex and often unknown overall molecular circuitry a network of differentially connected molecular entities (pairwise selective coupling or uncoupling depending on the specific phenotypes or experimental conditions) (Herrington, et al. 2018; Zhang, et al., 2009; Zhang and Wang, 2010; Zhang, et al., 2016). Such differential dependency networks are typically used to assist in the inference of potential key pathways. Based on our previously developed Differential Dependency Network (DDN) method, we report here the fully implemented R and Python software tool packages for public use. The DDN2.0 algorithm uses a fused Lasso model and block-wise coordinate descent to estimate both the common and differential edges of dependency networks. The identified DDN can help to provide plausible interpretation of data, gain new insight of disease biology, and generate novel hypotheses for further validation and investigations. To address the imbalanced sample group problem, we propose a sample-size normalized formulation to correct systematic bias. To address high computational complexity, we propose four strategies to accelerate DDN2.0 learning. The experimental results show that new DDN2.0+ learning speed with combined four accelerating strategies is hundreds of times faster than that of DDN2.0 algorithm on medium-sized data (Fu, 2019). To detect intra-omics and inter-omics network rewiring, we propose multiDDN using a multi-layer signaling model to integrate multi-omics data. The simulation study shows that the multiDDN method can achieve higher accuracy of detecting network rewiring (Fu, 2019).

Geopolymer is an environmentally friendly material that utilizes industrial solid waste, boasting reduced greenhouse gas emissions and energy consumption. It exhibits superior performance in terms of corrosion resistance and thermal stability compared to ordinary Portland cement (OPC). These excellent properties are crucial for marine engineering construction, offering significant value and application potential in marine engineering materials. In this study, geopolymer was employed as the cementitious material, with marine resources like seawater and coral aggregates sourced from remote island areas effectively utilized, and basalt fiber-reinforced polymer (BFRP) bars were incorporated as reinforcements to develop BFRP bars reinforced geopolymer-based coral aggregate concrete (GPCAC) beams. Laboratory aging procedures were employed to investigate the deterioration patterns and damage mechanisms affecting the flexural behavior of GPCAC beams under seawater immersion and dry-wet cycling conditions, comparing them with cement-based coral aggregate concrete (CAC) beams. The experimental results indicated that both CAC and GPCAC beams under simulated marine environments experienced a reduction in the number of cracks upon damage, but their crack spacing and width increased. Moreover, the flexural stiffness of CAC and GPCAC beams after seawater attacks tended to increase, but this increased stiffness did not translate to a higher loading capacity. Conversely, as the corrosion age increased, the ultimate load and deflection values of both CAC and GPCAC beams decreased to varying extents, with the load-carrying capacity degradation more pronounced in seawater dry-wet cycling environments than in seawater immersion conditions. Compared to CAC beams, GPCAC beams exhibited superior resistance to seawater erosion. Following 12 months of seawater dry-wet cycling, the ultimate loading capacity of CAC beams decreased by 12.2%, while that of GPCAC beams only degraded by 9.5%. Predictions of the flexural capacity of GPCAC beams using equations from existing FRP-reinforced normal aggregate concrete (NAC) specifications indicated slightly higher values than the experimental values, with an error margin of less than 15%. Overall, the formulas for the flexural capacity of NAC beams in existing FRP-reinforced NAC codes remained applicable to CAC and GPCAC beams.

This study proposes the application of prestressed near-surface-mounted (NSM) carbon-fiber-reinforced polymer (CFRP) technique in the field of the shear-strengthening of bridges for the first time. Fourteen reinforced concrete (RC) beams shear strengthened with prestressed NSM CFRP were tested under static load. The effect of the CFRP prestressing level, spacing, angle, and end-anchorage measures on the shear-strengthening behavior was evaluated. The experimental results demonstrate that the ultimate shear capacity of prestressed NSM CFRP shear-strengthened beams increased by 65–127% when compared to that of the reference beams, and the width of shear cracks was effectively suppressed. The failure mode of prestressed NSM CFRP shear-strengthened beams without end-anchorage measures was web concrete cover separation, which can be suppressed using a CFRP U-jacket and through-beam screw. Increasing the CFRP prestressing level and percentage enhanced the ultimate shear capacity and cracking resistance of the strengthened beams. However, an excessively high CFRP percentage and prestress level combination resulted in large shear crack angles and decreased the shear contribution of CFRP and concrete. Finally, an analytical model based on the modified compression field theory (MCFT) was proposed to predict the flexural-shear load response of strengthened beams, which was in agreement with the experimental results.

Abstract Perovskite semiconductors have shown significant promise for photodetection due to their low effective carrier masses and long carrier lifetimes. However, achieving balanced detection across a broad spectrum—from X‐rays to infrared—within a single perovskite photodetector presents challenges. These challenges stem from conflicting requirements for different wavelength ranges, such as the narrow bandgap needed for infrared detection and the low dark current necessary for X‐ray sensitivity. To address this, this study have designed a type‐II FAPbI 3 perovskite‐based heterojunction featuring a large energy band offset utilizing narrow bandgap tellurium (Te) semiconductor. This innovative design broadens the detection range into the infrared while simultaneously reducing dark current noise. As‐designed device allows for the detection of near infrared band, achieving a detectivity of 6.8 × 10 9 Jones at 1550 nm. The low dark current enables X‐ray sensitivity of up to 1885.1 µC Gy⁻¹ cm⁻ 2 . First‐principles calculations confirm the type‐II band structure alignment of the heterojunction, and a self‐driven response behavior is realized. Moreover, this study have developed a scalable 40 × 1 sensor array, demonstrating the potential for wide‐spectrum imaging applications. This work is expected to advance the application of perovskite‐based wide‐spectrum devices.