The occurrence and distribution of five groups of antibiotics were investigated in the surface water of Yangtze Estuary over four seasons. Of the 20 antibiotics, only sulfamerazine was not detected at all sampling sites, indicating widespread occurrence of antibiotic residues in the study area. Detection frequencies and concentrations of antibiotics were generally higher in January, indicating that low flow conditions and low temperature might enhance the persistence of antibiotics in water. Antibiotic levels varied with location, with the highest concentrations being observed around river discharge and sewage outfall. Furthermore, a positive correlation between total antibiotic and DOC concentrations revealed the significant role played by DOC. Risk assessment based on single compound exposure showed that sulfapyridine and sulfamethoxazole could cause medium risk to daphnid in the Yangtze Estuary.

The risk of harmful microorganisms to ecosystems and human health has stimulated exploration of singlet oxygen (1O2)-based disinfection. It can be potentially generated via an electrocatalytic process, but is limited by the low production yield and unclear intermediate-mediated mechanism. Herein, we designed a two-site catalyst (Fe/Mo–N/C) for the selective 1O2 generation. The Mo sites enhance the generation of 1O2 precursors (H2O2), accompanied by the generation of intermediate •HO2/•O2–. The Fe site facilitates activation of H2O2 into •OH, which accelerates the •HO2/•O2– into 1O2. A possible mechanism for promoting 1O2 production through the ROS-mediated chain reaction is reported. The as-developed electrochemical disinfection system can kill 1 × 107 CFU mL–1 of E. coli within 8 min, leading to cell membrane damage and DNA degradation. It can be effectively applied for the disinfection of medical wastewater. This work provides a general strategy for promoting the production of 1O2 through electrocatalysis and for efficient electrochemical disinfection.

The co-combustion of sewage sludge and biomass has demonstrated significant potential for reducing carbon emissions and realizing the resource utilization of solid waste. In this study, the co-combustion behavior and pollutant emissions of sewage sludge and corncob were systematically investigated using thermogravimetric-Fourier transform infrared spectroscopy-mass spectrometry (TG-FTIR-MS) and a fixed-bed reactor. When the corncob blending ratio reached 30 %, the ignition temperature was 179.01 °C lower than that of sewage sludge, and the comprehensive combustion index increased by 13.92 times. The corncob in the mixed fuel dominated the volatiles' release and combustion process . The interaction strength increased as the corncob blending ratio increased. When the corncob blending ratio reached 70 %, it promoted the thermal weight loss process of sewage sludge. The release rate of CO 2 increased as the biomass ratio increased, and a 30 % corncob content could inhibit CO 2 emissions. Simultaneously, the interaction between sewage sludge and corncob inhibited the emissions of CO and NO during the co-combustion process, improving the combustion efficiency. This study provides theoretical support for developing the fuel value of sewage sludge, improving the amount of solid waste collaborative disposal, and realizing the leading carbon peak in thermal power industry.

Time-series prediction has drawn considerable attention during the past decades fueled by the emerging advances of deep learning methods. However, most neural network based methods fail in extracting the hidden mechanism of the targeted physical system. To overcome these shortcomings, an interpretable sparse system identification method without any prior knowledge is proposed in this study. This method adopts the Fourier transform to reduces the irrelevant items in the dictionary matrix, instead of indiscriminate usage of polynomial functions in most system identification methods. It shows an visible system representation and greatly reduces computing cost. With the adoption of $l_{1}$ norm in regularizing the parameter matrix, a sparse description of the system model can be achieved. Moreover, three data sets including the water conservancy data, global temperature data and financial data are used to test the performance of the proposed method. Although no prior knowledge was known about the physical background, experimental results show that our method can achieve long-term prediction regardless of the noise and incompleteness in the original data more accurately than the widely-used baseline data-driven methods. This study may provide some insight into time-series prediction investigations, and suggests that a white-box system identification method may extract the easily overlooked yet inherent periodical features and may beat neural-network based black-box methods on long-term prediction tasks.

Objectives: Neuroblastoma (NB), a pediatric malignancy of the peripheral nervous system, is characterized by epigenetic and transcriptional (EP-TF) anomalies. This study aimed to develop an EP-TF clinical prognostic model for NB using CRISPR-Cas9 knockout screening. Results: An integrative analysis was conducted using CRISPR-Cas9 screening in vitro and in vivo with public NB datasets to identify 35 EP-TF genes that exhibited the highest expression in NB and were highly dependent on cancer viability. After univariate analysis, 27 of these 35 genes were included in the least absolute shrinkage and selection operator screen. We established and biologically validated a prognostic EP-TF model encompassing RUVBL1, LARP7, GTF3C4, THAP10, SUPT16H, TIGD1, SUV39H2, TAF1A, SMAD9, and FEM1B across diverse NB cohorts. MYCN serves a potential upstream regulator of EP-TF genes. The high-risk subtype exhibited traits associated with the malignant cell cycle, MYCN-linked signaling and chromatin remodeling, all of which are correlated with poor prognosis and immunosuppression. MEK inhibitors have emerged as promising therapeutic agents for targeting most EP-TF risk genes in NB. Conclusion: Our novel prognostic model shows significant potential for predicting and evaluating the overall survival of NB patients, offering insights into therapeutic targets.

Bergamot essential oil has rich biological activity and is commonly applied in fragrance, cosmetics and daily chemical products. However, the entire production process of bergamot fruit from cultivation to extraction of essential oil is inefficient and unstable, cannot meet the growing market demand. To overcome this limitation, we first established a highly efficient biosynthetic platform for production of the major components ((+)-limonene and (-)-linalool) of bergamot essential oil. By increasing the supply of monoterpene precursors and screening for the direct precursors NPP and GPP, a biosynthetic pathway capable of producing both (+)-limonene and (-)-linalool was constructed in Escherichia coli. Then, by screening and mutating the linalool synthase and modifying the limonene synthase by fusion proteins, the obtained strain BW4M42 can produce 277.8 mg/L (+)-limonene and 54.2 mg/L (-)-linalool in shake flasks after optimizing the fermentation culture conditions. In a 1.3-L reactor, the total concentration reached 2688.2 mg/L, including 2010.2 mg/L (+)-limonene and 678 mg/L (-)-linalool. The (-)-linalool/(+)-limonene ratio produced by the strain BW4M42 meets the ISO 3520:2022 standard for bergamot essential oil. This study provides the possibility to construct a biosynthetic platform for producing the major components of plant essential oils through metabolic engineering.

Abstract Nylon nanocomposites were prepared by in‐situ ring‐opening polymerization to overcome the problem of poor properties due to the uneven dispersion of the nanoparticles by the traditional melt blending. This high‐performance polyamide 6 (PA6) nanocomposites with high dispersion and strong interface was prepared by grafting PA6 onto the surface of cellulose nanocrystals (CNC). The micromorphology, mechanical, crystalline and thermal properties of the composites were also investigated. Firstly, the hydroxyl group on the surface of CNC reacted with the para isocyanate of toluene diisocyanate (TDI), and the remaining ortho isocyanate was blocked by caprolactam to prepare CNC grafted with caprolactam (CNC‐g‐CL). Then CNC‐g‐CL was used as an activator to prepare cellulose nanocrystal grafted with polyamide 6 (CNC‐g‐PA6) composites by the ring‐opening polymerization of caprolactam on the CNC. The effects of different reaction temperatures, solvent amounts and molar ratios on the grafting rate of CNC‐g‐CL were investigated. The results showed that the highest grafting rate of CNC‐g‐CL with 66.7% was achieved at a reaction temperature of 45°C, 0.1 g/mL CNC in toluene, and a molar ratio of 6 for TDI/CNC. Further, different CNC‐g‐PA6 composites prepared from different CNC content and activator content were explored. For CNC‐g‐PA6 composites, CNC was uniformly dispersed in the PA6 matrix and had a good compatibility with the matrix. CNC exhibited significant reinforcement in the composites with a tensile strength of up to 108 MPa. In addition, the glass transition temperature of CNC‐g‐PA6 was increased to 92°C, which significantly improved the heat resistance of the new composites. Highlights Effects of reaction condition of CNC and TDI on DS TDI and DS CL were studied. Effects of CNC and activator content on CNC‐g‐PA6 properties were studied. CNC is uniformly dispersed in PA6 with average particle size less than 1 micron. The nylon matrix was significantly strengthened by the addition of CNC. The addition of CNC significantly improved the heat resistance of the composites.