Abstract Periodic visual stimulation can induce stable steady-state visual evoked potentials (SSVEPs) distributed in multiple brain regions and has potential applications in both neural engineering and cognitive neuroscience. However, the underlying dynamic mechanisms of SSVEPs at the whole-brain level are still not completely understood. Here, we addressed this issue by simulating the rich dynamics of SSVEPs with a large-scale brain model designed with constraints of neuroimaging data acquired from the human brain. By eliciting activity of the occipital areas using an external periodic stimulus, our model was capable of replicating both the spatial distributions and response features of SSVEPs that were observed in experiments. In particular, we confirmed that alpha-band (8-12 Hz) stimulation could evoke stronger SSVEP responses; this frequency sensitivity was due to nonlinear entrainment and resonance, and could be modulated by endogenous factors in the brain. Interestingly, the stimulus-evoked brain networks also exhibited significant superiority in topological properties near this frequency-sensitivity range, and stronger SSVEP responses were demonstrated to be supported by more efficient functional connectivity at the neural activity level. These findings not only provide insights into the mechanistic understanding of SSVEPs at the whole-brain level but also indicate a bright future for large-scale brain modeling in characterizing the complicated dynamics and functions of the brain.

The interface electronic structure of heterogeneous catalysts can be modulated by changing the surface coordination configuration, which is crucial to their catalytic activity. Herein, a surface phosphorus-grafted Ti3C2Tx MXene platform anchored with an MoS2 nanoflake heterojunction electrocatalyst was assembled through a simple phosphorus-hydrothermal method. An interface charge "bridge" has been created by grafting uniform P atoms coordinated with the surface O atoms of Ti3C2Tx (P-Ti3C2Tx), resulting in an interface charge-transfer channel between P-Ti3C2Tx and MoS2. Based on the ultrafast transient absorption spectroscopy, the fastest electron-transfer kinetics from P-Ti3C2Tx to MoS2 (1.7 ps) and the slowest electron–hole recombination speed (28 ps) were obtained over MoS2@P-Ti3C2Tx than those over MoS2@O-Ti3C2Tx and MoS2@OP-Ti3C2Tx. Benefiting from the lower carrier transport activation energy, MoS2@P-Ti3C2Tx exhibited the stirring electrocatalytic activity toward hydrogen evolution in all-pH media, which delivered three low overpotentials of 48.6, 63.2, and 70.5 mV at 10 mA cm–2 toward the hydrogen evolution in alkaline, acid, and neutral media, respectively. Grafting an atomic scale "bridge" to create an electron-transfer channel proposes a new strategy to design an efficient pH-universal hydrogen evolution heterojunction electrocatalyst.

The 2024 moment magnitude ( M w ) 7.5 Noto Peninsula (Japan) earthquake caused devastation to communities and was generated by a complex rupture process. Using space geodetic and seismic observations, we show that the event deformed the peninsula with a peak uplift reaching 5 m at the west coast. Shallow slip exceeded 10 m on an offshore fault. Peak stress drop was greater than 10 MPa. This devastating event began with a slow rupture propagation lasting 15-20 s near its hypocenter, where seismic swarms had surged since 2020 due to lower-crust fluid supply. The slow start was accompanied by intense high-frequency seismic radiation. These observations suggest a distinct coseismic slip mode reflecting high heterogeneity in fault properties within a fluid-rich fault zone.

Abstract Through the modulation of its surround, an identical visual stimulus can be perceived as more or less salient, allowing it to either stand out or seamlessly integrate with the rest of the visual scene. Gamma rhythms are associated with processing stimulus features across extensive areas of the visual field. Consistent with this concept, the magnitude of visually induced gamma rhythm depends on how well stimulus features aligned both within and outside the classical receptive field (CRF) at the recording site. However, there still exists some uncertainty regarding the encoding of context‐modulated orientation discontinuity by gamma rhythms. To address this concern, we conducted extracellular recordings in layers II/III and IV of area V1 using lightly anaesthetized mice to investigate the gamma tuning for stimuli with orientation discontinuity. Our study revealed that gamma rhythms exhibit a preference for stimuli with orientation discontinuity similar to the spiking responses observed in V1, which contradicts the findings of previous studies. Furthermore, the gamma tuning of discontinuous orientations exhibits a moderate correlation with spike tuning and a positive correlation with the strength of surround suppression. Therefore, our study suggests a close association between gamma tuning and nearby spiking tuning; additionally, it highlights the connection between the encoding of visual features by gamma rhythms and functional architecture, as well as neural signal integration. image Key points Visual context modulates the gamma rhythms in the primary visual cortex. Discontinuous orientation elicits significantly enhanced gamma rhythms compared to the iso‐orientation stimulus. The gamma tuning of discontinuous orientations exhibits a moderate correlation with spike tuning. Gamma tuning of orientation discontinuity exhibits a positive correlation with the strength of surround suppression.

Abstract Spatially resolved transcriptomics technologies enable the mapping of multiplexed gene expression profiles within tissue contexts. To explore the gene spatial patterns in complex tissues, computational methods have been developed to identify spatially variable genes within single tissue slices. However, there is a lack of methods designed to identify genes with differential spatial expression patterns (DSEPs) across multiple slices or conditions, which becomes increasingly common in complex experimental designs. The challenges include the complexity of cross-slice gene expression and spatial information modeling, scalability issues in constructing large-scale cell graphs, and mixed factors of inter-slice heterogeneity. We propose DSEP gene identification as a new task and develop River, an interpretable deep learning-based method, to solve this task. River comprises a two-branch prediction model architecture and a post-hoc attribution method to prioritize DSEP genes that explain condition differences. River’s special design for modeling spatial-informed gene expression makes it scalable to large-scale spatial omics datasets. We proposed strategies to decouple the spatial and non-spatial components of River’s outcomes. We validated River’s performance using simulated datasets and applied it to identify DSEP genes/proteins in diverse biological contexts, including embryo development, diabetes-induced alterations in spermatogenesis, and lupus-induced splenic changes. In a human triple-negative breast cancer dataset, River identified generalizable survival-related DSEPs, validated across unseen patient groups. River does not rely on specific data distribution assumptions and is compatible with various spatial omics data types, making it a versatile method for analyzing complex tissue architectures across multiple biological conditions.