Abstract Gut microbiota has an important role in the immune system, metabolism, and digestion, and has a significant effect on the nervous system. Recent studies have revealed that abnormal gut microbiota induces abnormal behaviors, which may be associated with the hypothalamic–pituitary–adrenal (HPA) axis. Therefore, we investigated the behavioral changes in germ-free (GF) mice by behavioral tests, quantified the basal serum cortisol levels, and examined glucocorticoid receptor pathway genes in hippocampus using microarray analysis followed by real-time PCR validation, to explore the molecular mechanisms by which the gut microbiota influences the host’s behaviors and brain function. Moreover, we quantified the basal serum cortisol levels and validated the differential genes in an Escherichia coli- derived lipopolysaccharide (LPS) treatment mouse model and fecal “depression microbiota” transplantation mouse model by real-time PCR. We found that GF mice showed antianxiety- and antidepressant-like behaviors, whereas E. coli LPS-treated mice showed antidepressant-like behavior, but did not show antianxiety-like behavior. However, “depression microbiota” recipient mice exhibited anxiety- and depressive-like behaviors. In addition, six glucocorticoid receptor pathway genes ( Slc22a5 , Aqp1 , Stat5a , Ampd3 , Plekhf1 , and Cyb561 ) were upregulated in GF mice, and of these only two ( Stat5a and Ampd3 ) were upregulated in LPS-treated mice, whereas the shared gene, Stat5a , was downregulated in “depression microbiota” recipient mice. Furthermore, basal serum cortisol levels were decreased in E. coli LPS-treated mice but not in GF mice and “depression microbiota” recipient mice. These results indicated that the gut microbiota may lead to behavioral abnormalities in mice through the downstream pathway of the glucocorticoid receptor. Herein, we proposed a new insight into the molecular mechanisms by which gut microbiota influence depressive-like behavior.

Abstract The flow of fluid through the porous matrix of a reservoir rock applies a seepage force to the solid rock matrix. Although the seepage force exerted by fluid flow through the porous matrix of a reservoir rock has a notable influence on rock deformation and failure, its effect on hydraulic fracture (HF) propagation remains ambiguous. Therefore, in this study, we improved a traditional fluid–solid coupling method by incorporating the role of seepage force during the fracturing fluid seepage, using the discrete element method. First, we validated the simulation results of the improved method by comparing them with an analytical solution of the seepage force and published experimental results. Next, we conducted numerical simulations in both homogeneous and heterogeneous sandstone formations to investigate the influence of seepage force on HF propagation. Our results indicate that fluid viscosity has a greater impact on the magnitude and extent of seepage force compared to injection rate, and that lower viscosity and injection rate correspond to shorter hydraulic fracture lengths. Furthermore, seepage force influences the direction of HF propagation, causing HFs to deflect towards the side of the reservoir with weaker cementation and higher permeability.

The study dealt with the role of artificial intelligence applications in developing educational and learning strategies in higher education, by enhancing administrative work, increasing the efficiency of scientific and cognitive capabilities, and development of scientific research, in an optimal educational environment, Besides, it revealed the possible barriers accompanying the use of electronic machines. The study observed that using Artificial Intelligence devices at high levels of advancement and high sources of expenditure was their effective role for the advancement of higher education institutions and even improving labor productivity for the purpose of making the whole process of learning transactions more effective, so there is an urgent need to structure the awareness of stakeholders in education regarding the importance of using these devices to develop teaching and learning strategies and not to make challenges in front of fearing human resources. It is worth mentioning that the descriptive analytical method has been used in this study, which indicated the role of artificial intelligence and its applications in human capital development in higher education institutions.

Radial borehole fracturing is a kind of reservoir transformation technology combining radial borehole and hydraulic fracturing. The research on the influencing mechanism and main control factors of fracture propagation in radial borehole fracturing is still incomplete. This paper establishes a three-dimensional fracture propagation model of radial borehole fracturing based on the discrete lattice method, and carries out numerical simulation. The guidance strength (I) was introduced, the larger the value of I, the stronger the ability of radial borehole to guide the targeted propagation of hydraulic fractures. As azimuth of radial borehole increases, the distance of fracture starting deflection becomes smaller and the I decrease. Azimuth ≤45° is conducive to better guide hydraulic fractures in radial borehole; The radius and length of radial borehole are proportional to the I; Smaller radial borehole spacing (<1.5 m) is more conducive to radial borehole guided hydraulic fracture targeted propagation; When horizontal in situ stress difference is large, the stress difference will seriously affect the radial borehole guiding hydraulic fractures; With the increase in elastic modulus, permeability and Poisson's ratio, the I decreases. But the influence of Poisson's ratio is small; Larger displacement is conducive to the propagation of hydraulic fractures along radial borehole direction; The viscosity is about 50 mPa·s, and the radial borehole has the best guidance for hydraulic fractures; the gray correlation analysis results show that the three radial borehole parameters, radius, length, and azimuth, have the strongest correlation with the I.

ABSTRACT The limited availability of raw materials for cigarette aroma, particularly in emerging spices, highlights the need for proactive research in exploring and utilising new flavours. Pyrrole derivatives are an important class of five membered nitrogen‐containing heterocyclic compounds with beautiful aroma and excellent biological activity. By synthesising 2‐(2,5‐dimethyl‐1H‐pyrrol‐1‐yl)‐4‐methylpentanoic acid using the Paal–Knorr reaction followed by esterification reactions, novel pyrrole ester fragrances ( 5a and 5b ) were obtained for further investigation. The two synthesised compounds were characterised using nuclear magnetic resonance spectroscopy ( 1 H and 13 C NMR), infrared spectroscopy (IR) and high‐resolution mass spectrometry (HRMS). Furthermore, the thermal properties, smoke transfer behaviour and antioxidant capacity of compounds 5a and 5b were evaluated. Thermogravimetric analysis (TG) revealed that compounds 5a and 5b exhibited major mass loss phases between 124.3°C–450°C and 116.8°C–450°C, respectively, with mass loss rates of 80.58% and 95.45%. Pyrolysis (Py) of compounds 5a and 5b resulted in the formation of eight and nine compounds, respectively. Moreover, the transfer rates of mainstream smoke particles from flavour additives 5a and 5b in tobacco shreds were higher compared with cigarette paper flavouring. Compound 5a demonstrated slightly higher antioxidant activity involving 2,2‐diphenyl‐1‐picrylhydrazyl (DPPH), hydroxyl radicals (•OH) and superoxide anion () than compound 5b . These findings support the development of new tobacco flavours and fragrance components and encourage further practical investigations.