New, biocompatible materials with favorable antibacterial activity are highly desirable. In this work, we develop a unique conjugated polymer featuring aggregation-induced emission (AIE) for reliable bacterial eradication. Thanks to the AIE and donor-π-acceptor structure, this polymer shows a high reactive oxygen species (ROS)-generation ability compared to a low-mass model compound and the common photosensitizer Chlorin E6. Moreover, the selective binding of pathogenic microorganisms over mammalian cells was found, demonstrating its biocompatibility. The effective growth inhibition of bacteria upon polymer treatment under light irradiation was validated in vitro and in vivo. Notably, the recovery from infection after treatment with our polymer is faster than that with cefalotin. Thus, this polymer holds great promise in fighting against bacteria-related infections in practical applications.

Alzheimer's disease (AD) is one of the most complicated progressive neurodegeneration diseases that involve many genes, proteins, and their complex interactions. No effective medicines or treatments are available yet to stop or reverse the progression of the disease due to its polygenic nature. To facilitate discovery of new AD drugs and better understand the AD neurosignaling pathways involved, we have constructed an Alzheimer's disease domain-specific chemogenomics knowledgebase, AlzPlatform (www.cbligand.org/AD/ ) with cloud computing and sourcing functions. AlzPlatform is implemented with powerful computational algorithms, including our established TargetHunter, HTDocking, and BBB Predictor for target identification and polypharmacology analysis for AD research. The platform has assembled various AD-related chemogenomics data records, including 928 genes and 320 proteins related to AD, 194 AD drugs approved or in clinical trials, and 405,188 chemicals associated with 1, 023,137 records of reported bioactivities from 38,284 corresponding bioassays and 10, 050 references. Furthermore, we have demonstrated the application of the AlzPlatform in three case studies for identification of multitargets and polypharmacology analysis of FDA-approved drugs and also for screening and prediction of new AD active small chemical molecules and potential novel AD drug targets by our established TargetHunter and/or HTDocking programs. The predictions were confirmed by reported bioactivity data and our in vitro experimental validation. Overall, AlzPlatform will enrich our knowledge for AD target identification, drug discovery, and polypharmacology analyses and, also, facilitate the chemogenomics data sharing and information exchange/communications in aid of new anti-AD drug discovery and development.

Abstract High‐dimensional frequency converter provides an enticing promise for establishing frequency interfaces to connect various physical systems toward the next generation of high‐capacity optical communication. The constant pursuit of high fidelity accompanied by multi‐dimensional information coding is restricted by the inherent fundamental nature of the degrees of freedom. Here, a high‐dimensional frequency converter is theoretically proposed and experimentally demonstrated, which builds a high‐fidelity interface between near‐infrared and blue‐violet wavelength. The perfect Poincaré beam exploiting the mutual orthogonality and transverse structure‐invariance of perfect vortex beam, accesses high‐dimensional spaces from spatial amplitude, phase, and polarization, and realizes the fidelity above 99% for arbitrary Poincaré states. Additionally, the trans‐spectral multiplexing utilizing the radial degree of freedom endows a superior capability in further increasing the system capacity. This proof‐of‐principle demonstration represents a key step toward the lossless transmission between different frequency domains, and has great prospects for constructing high‐capacity optical communication networks.

Abstract Background Extracting research of domain criteria (RDoC) from high-risk populations like those with post-traumatic stress disorder (PTSD) is crucial for positive mental health improvements and policy enhancements. The intricacies of collecting, integrating, and effectively leveraging clinical notes for this purpose introduce complexities. Methods In our study, we created a natural language processing (NLP) workflow to analyze electronic medical record (EMR) data and identify and extract research of domain criteria using a pre-trained transformer-based natural language model, all-mpnet-base-v2. We subsequently built dictionaries from 100,000 clinical notes and analyzed 5.67 million clinical notes from 38,807 PTSD patients from the University of Pittsburgh Medical Center. Subsequently, we showcased the significance of our approach by extracting and visualizing RDoC information in two use cases: (i) across multiple patient populations and (ii) throughout various disease trajectories. Results The sentence transformer model demonstrated high F1 macro scores across all RDoC domains, achieving the highest performance with a cosine similarity threshold value of 0.3. This ensured an F1 score of at least 80% across all RDoC domains. The study revealed consistent reductions in all six RDoC domains among PTSD patients after psychotherapy. We found that 60.6% of PTSD women have at least one abnormal instance of the six RDoC domains as compared to PTSD men (51.3%), with 45.1% of PTSD women with higher levels of sensorimotor disturbances compared to men (41.3%). We also found that 57.3% of PTSD patients have at least one abnormal instance of the six RDoC domains based on our records. Also, veterans had the higher abnormalities of negative and positive valence systems (60% and 51.9% of veterans respectively) compared to non-veterans (59.1% and 49.2% respectively). The domains following first diagnoses of PTSD were associated with heightened cue reactivity to trauma, suicide, alcohol, and substance consumption. Conclusions The findings provide initial insights into RDoC functioning in different populations and disease trajectories. Natural language processing proves valuable for capturing real-time, context dependent RDoC instances from extensive clinical notes.

To study the variational trend in disease characteristics of patients with hepatitis B-related primary liver cancer (HBV-HCC) in the past five years.