SUMMARY Brain regeneration requires a precise coordination of complex responses in a time- and region-specific manner. Identifying key cell types and molecules that direct brain regeneration would provide potential targets for the advance of regenerative medicine. However, progress in the field has been hampered largely due to limited regeneration capacity of the mammalian brain and understanding of the regeneration process at both cellular and molecular level. Here, using axolotl brain with extrodinary regeneration ability upon injury, and the SpaTial Enhanced REsolution Omics-sequencing (Stereo-seq), we reconstructed the first architecture of axolotl telencephalon with gene expression profiling at single-cell resolution, and fine cell dynamics maps throughout development and regeneration. Intriguingly, we discovered a marked heterogeneity of radial glial cell (RGC) types with distinct behaviors. Of note, one subtype of RGCs is activated since early regeneration stages and proliferates while other RGCs remain dormant. Such RGC subtype appears to be the major cell population involved in early wound healing response and gradually covers the injured area before presumably transformed into the lost neurons. Altogether, our work systematically decoded the complex cellular and molecular dynamics of axolotl telencephalon in development and regeneration, laying the foundation for studying the regulatory mechanism of brain regeneration in the future.

Abstract It is well documented that massive dynamic information is contained in the resting-state fMRI. Recent studies have identified recurring states dominated by similar coactivation patterns (CAP) and revealed their temporal dynamics. However, the reproducibility and generalizability of the CAP analysis is unclear. To address this question, the effects of methodological pipelines on CAP are comprehensively evaluated in this study, including preprocessing, network construction, cluster number and three independent cohorts. The CAP state dynamics are characterized by fraction of time, persistence, counts, and transition probability. Results demonstrate six reliable CAP states and their dynamic characteristics are also reproducible. The state transition probability is found to be positively associated with the spatial similarity. Furthermore, the aberrant CAP in schizophrenia has been investigated by using the reproducible method on three cohorts. Schizophrenia patients spend less time in CAP states that involve the fronto-parietal network, but more time in CAP states that involve the default mode and salience network. The aberrant dynamic characteristics of CAP are correlated with the symptom severity. These results reveal the reproducibility and generalizability of the CAP analysis, which can provide novel insights into the neuropathological mechanism associated with aberrant brain network dynamics of schizophrenia. Highlights Three coactivation patterns (CAPs) pairs with opposite coactivation profiles were identified, and the between-state transition probability was positively correlated with their spatial similarity. Good spatial and temporal reproducibility and generalizability of CAPs were achieved under varied analytic methods and independent cohorts. Schizophrenia patients showed altered temporal dynamics not only within the triple-network but also other primary and higher-order networks.

Abstract The resting-state human brain is a dynamic system that shows frequency-specific characteristics. Coactivation pattern (CAP) analysis has been recently used to identify recurring brain states sharing similar coactivation configurations. However, whether and how CAPs differ across different sub-frequency bands are unknown. In the current study, in addition to the typical low-frequency range (0.01 - 0.08 Hz), the spatial and temporal characteristics of CAPs in four sub-frequency bands, slow-5 (0.01 - 0.027 Hz), slow-4 (0.027 - 0.073 Hz), slow-3 (0.073 - 0.198 Hz), and slow-2 (0.198 - 0.25 Hz), were studied. Six CAP states were obtained for each band., The CAPs from the typical frequency range were spatially largely overlapped with those in slow-5, slow-4 and slow-3 but not with those in slow-2. With the increase of frequency, the CAP state became more unstable and resulted in an overall shorter persistence. The spatial and temporal characteristics of slow-4 and slow-5 were further compared, because they constitute most power of the resting-state fMRI signals. In general, slow-4 showed stronger coactivations or co-deactivations in subcortical regions, while slow-5 showed stronger coactivations or co-deactivations in large-scale cortical networks such as the dorsal attention network. Lastly, frequency-dependent dynamic alterations were also observed in schizophrenia patients. Combining the information obtained from both slow-5 and slow-4 increased the classification accuracy of schizophrenia patients than only using the typical range. In conclusion, our results revealed that the spatial and temporal characteristics of CAP state varied at different frequency bands, which could be helpful for identifying brain alterations in schizophrenia.

In vitro investigations have established metformin's capacity to downregulate PCSK9 expression, suggesting a potential beneficial effect on atherogenic lipoprotein particles when combined with metformin therapy. Our objective was to assess whether metformin could mitigate statin-induced adverse effects on PCSK9, thereby improving lipid profiles in patients with coronary artery disease (CAD) but without diabetes. Employing an open-label, placebo-controlled, randomized trial, we randomized patients with CAD but without diabetes into CLA (Cholesterol-Lowering Agents alone: atorvastatin+/-ezetimibe, n=38) and Met+CLA groups (metformin plus CLA, n=33) at a 1:1 ratio. The primary endpoint was the therapeutic impact of one-month metformin combination treatment on LDL-C and PCSK9 levels. Baseline LDL-C and PCSK9 levels were 76.18 mg·dL -1 and 80.54 ng·mL -1 , respectively. After one month, metformin significantly reduced LDL-C (-20.81%, P<0.001), enabling 72% of patients to attain guideline-recommended LDL-C goals. Noteworthy reductions in PCSK9 levels (-15.03%, P<0.001) were observed. Moreover, Met+CLA markedly reduced LDL particle number more than CLA alone (-10.65% vs 1.45%, P=0.009), primarily due to diminished small-dense LDL particle count. Mechanistically, our study demonstrated metformin's inhibition of statin-induced PCSK9 expression in human hepatocellular cells. In summary, a one-month metformin combination regimen reduced LDL-C levels in patients with CAD but without diabetes by inhibiting PCSK9 expression.