We report a search for time variations of the solar B8 neutrino flux using 5804 live days of Super-Kamiokande data collected between May 31, 1996, and May 30, 2018. Super-Kamiokande measured the precise time of each solar neutrino interaction over 22 calendar years to search for solar neutrino flux modulations with unprecedented precision. Periodic modulations are searched for in a dataset comprising five-day interval solar neutrino flux measurements with a maximum likelihood method. We also applied the Lomb-Scargle method to this dataset to compare it with previous reports. The only significant modulation found is due to the elliptic orbit of the Earth around the Sun. The observed modulation is consistent with astronomical data: we measured an eccentricity of (1.53±0.35)%, and a perihelion shift of (−1.5±13.5) days. Published by the American Physical Society 2024

The first loading of gadolinium (Gd) into Super-Kamiokande in 2020 was successful, and the neutron capture efficiency on Gd reached 50%. To further increase the Gd neutron capture efficiency to 75%, 26.1 tons of Gd2(SO4)3⋅8H2O was additionally loaded into Super-Kamiokande (SK) from May 31 to July 4, 2022. As the amount of loaded Gd2(SO4)3⋅8H2O was doubled compared to the first loading, the capacity of the powder dissolving system was doubled. We also developed new batches of gadolinium sulfate with even further reduced radioactive impurities. In addition, a more efficient screening method was devised and implemented to evaluate these new batches of Gd2(SO4)3⋅8H2O. Following the second loading, the Gd concentration in SK was measured to be 333.5±2.5 ppm via an Atomic Absorption Spectrometer (AAS). From the mean neutron capture time constant of neutrons from an Am/Be calibration source, the Gd concentration was independently measured to be 332.7 ± 6.8(sys.) ± 1.1(stat.) ppm, consistent with the AAS result. Furthermore, during the loading the Gd concentration was monitored continually using the capture time constant of each spallation neutron produced by cosmic-ray muons, and the final neutron capture efficiency was shown to become 1.5 times higher than that of the first loaded phase, as expected.

Principal component analysis (PCA) is an essential method for analyzing single-cell RNA-seq (scRNA-seq) datasets, but large-scale scRNA-seq datasets require long computational times and a large memory capacity.In this work, we review 21 fast and memory-efficient PCA implementations (10 algorithms) and evaluate their application using 4 real and 18 synthetic datasets. Our benchmarking showed that some PCA algorithms are faster, more memory efficient, and more accurate than others. In consideration of the differences in the computational environments of users and developers, we have also developed guidelines to assist with selection of appropriate PCA implementations.* PCA : principal component analysis scRNA-seq : single-cell RNA sequencing sci-RNA-seq : single-cell combinatorial-indexing RNA-sequencing analysis UML : unsupervised machine learning QC : quality control PC : principal component EVD : eigenvalue decomposition SVD : singular value decomposition SimT : similarity transformation-based DS : downsampling-based SU : SVD update-based Krylov : Krylov subspace-based GD : gradient descent-based Rand : Random projection-based Sklearn : scikit-learn SKL : sequential Karhunen-Loeve transform IRLBA : augmented implicitly restarted Lanczos bidiagonalization IRAM : implicitly restarted Arnoldi method GD : gradient descent SGD : stochastic gradient descent t-SNE : t-stochastic neighbor embedding UMAP : uniform manifold approximation and projection FIt-SNE : Fourier transform-accelerated interpolation-based t-stochastic neighbor embedding oocPCA : out-of-core PCA GMM : Gaussian mixture model ARI : adjusted Rand index Zstd : Zstandard UMI : unique molecular identifier CSV : comma-separated values HDF5 : hierarchical data format 5 10X-HDF5 : HDF5 provided by 10X Genomics CSC : compressed sparse column format CSR : compressed sparse row format CCA : canonical correlation analysis GLM : generalized linear models CPMED : Count per median HVGs : highly variable genes

Recent technical improvements in single-cell RNA sequencing (scRNA-seq) have enabled massively parallel profiling of transcriptomes, thereby promoting large-scale studies encompassing a wide range of cell types of multicellular organisms. With this background, we propose CellFishing.jl, a new method for searching atlas-scale datasets for similar cells and detecting noteworthy genes of query cells with high accuracy and throughput. Using multiple scRNA-seq datasets, we validate that our method demonstrates comparable accuracy to and is markedly faster than the state-of-the-art software. Moreover, CellFishing.jl is scalable to more than one million cells, and the throughput of the search is approximately 1,600 cells per second.

ABSTRACT The dimorphic yeast Yarrowia lipolytica possesses an excellent ability to utilize n -alkane as a sole carbon and energy source. Although there are detailed studies on the enzymes that catalyze the reactions in the metabolic processes of n -alkane in Y. lipolytica , the molecular mechanism underlying the incorporation of n -alkane into the cells remains to be elucidated. Because Y. lipolytica adsorbs n -alkane, we postulated that Y. lipolytica incorporates n -alkane through direct interaction with it. We isolated and characterized mutants defective in adsorption to n -hexadecane. One of the mutants harbored a nonsense mutation in MAR1 ( M orphology and n -alkane A dsorption R egulator) encoding a protein containing a high mobility group box. The deletion mutant of MAR1 exhibited defects in adsorption to n -hexadecane and filamentous growth on solid media, whereas the strain that overexpressed MAR1 exhibited hyperfilamentous growth. Fluorescence microscopic observations suggested that Mar1 localizes in the nucleus. RNA-seq analysis revealed the alteration of the transcript levels of several genes, including those encoding transcription factors and cell surface proteins, by the deletion of MAR1 . These findings suggest that MAR1 is involved in the transcriptional regulation of the genes required for n -alkane adsorption and cell morphology transition. IMPORTANCE Y. lipolytica , a dimorphic yeast capable of assimilating n -alkane as a carbon and energy source, has been extensively studied as a promising host for bioconversion of n -alkane into useful chemicals and bioremediation of soil and water contaminated by petroleum. While the metabolic pathway of n -alkane in this yeast and the enzymes involved in this pathway have been well-characterized, the molecular mechanism to incorporate n -alkane into the cells is yet to be fully understood. Due to the ability of Y. lipolytica to adsorbs to n -alkane, it has been hypothesized that Y. lipolytica incorporates n -alkane through direct interaction with it. In this study, we identified a gene, MAR1 , which plays a crucial role in the transcriptional regulation of the genes necessary for the adsorption to n -alkane and the transition of the cell morphology in Y. lipolytica . Our findings provide valuable insights that could lead to advanced applications of Y. lipolytica in n -alkane bioconversion and bioremediation.