Abstract In vivo imaging of model organisms is heavily reliant on fluorescent proteins with high intracellular brightness. Here we describe a practical method for rapid optimization of fluorescent proteins via directed molecular evolution in cultured mammalian cells. Using this method, we were able to perform screening of large gene libraries containing up to 2·10 7 independent random genes of fluorescent proteins expressed in HEK cells completing one iteration directed evolution in a course of ∼8 days. We employed this approach to develop a set of green and near-infrared fluorescent proteins with enhanced intracellular brightness. The developed near-infrared fluorescent proteins demonstrated high performance for fluorescent labeling of neurons in culture and in vivo in model organisms such as C.elegans , Drosophila , zebrafish, and mice. Spectral properties of the optimized near-infrared fluorescent proteins enabled crosstalk-free multicolor imaging in combination with common green and red fluorescent proteins, as well as dual-color near-infrared fluorescence imaging. The described method has a great potential to be adopted by protein engineers due to its simplicity and practicality. We also believe that the new enhanced fluorescent proteins will find wide application for in vivo multicolor imaging of small model organisms.

While the capsaicin receptor TRPV1 channel is a polymodal nociceptor for heat, capsaicin, and proton, its responses to each of these stimuli are profoundly regulated by membrane potential, damping or even prohibiting its response at negative voltages and amplifying its response at positive voltages. Though voltage sensitivity plays an important role is shaping pain responses, how voltage regulates TRPV1 activation remains unknown. Here we showed that the voltage sensitivity of TRPV1 does not originate from the S4 segment like classic voltage-gated ion channels; instead, outer pore acidic residues directly partake in voltage-sensitive activation, with their negative charges collectively constituting the observed gating charges. Voltage-sensitive outer pore movement is titratable by extracellular pH and is allosterically coupled to channel activation, likely by influencing the upper gate in the ion selectivity filter. Elucidating this unorthodox voltage-gating process provides a mechanistic foundation for understanding polymodal gating and opens the door to novel approaches regulating channel activity for pain managements.

The convergence of deep learning and big data has spurred significant interest in developing novel hardware that can run large artificial intelligence (AI) workloads more efficiently. Over the last several years, silicon photonics has emerged as a disruptive technology for next-generation accelerators for machine learning (ML). More recently, the heterogeneous integration of III-V compound semiconductors has opened the door to integrating lasers and semiconductor optical amplifiers at wafer-scale, enabling the scaling of the size, density, and complexity of silicon photonic integrated circuits (PICs). Furthermore, using this technology, all of the individual components required to execute the operations within a neural network are available and can be integrated on the same PIC. Here, we review our innovations of an energy-efficient and scalable silicon photonic platform serving as the underlying foundation for next-generation AI accelerator hardware.