Background: An alternative to epidemiological models for transmission dynamics of Covid-19 in China, we propose the artificial intelligence (AI)-inspired methods for real-time forecasting of Covid-19 to estimate the size, lengths and ending time of Covid-19 across China.Methods: We developed a modified stacked autoencoder for modeling the transmission dynamics of the epidemics.We applied this model to real-time forecasting the confirmed cases of Covid-19 across China.The data were collected from January 11 to February 27, 2020 by WHO.We used the latent variables in the auto-encoder and clustering algorithms to group the provinces/cities for investigating the transmission structure.Results: We forecasted curves of cumulative confirmed cases of Covid-19 across China from Jan 20, 2020 to April 20, 2020.Using the multiple-step forecasting, the estimated average errors of 6-step, 7-step, 8-step, 9step and 10-step forecasting were 1.64%, 2.27%, 2.14%, 2.08%, 0.73%, respectively.We predicted that the time points of the provinces/cities entering the plateau of the forecasted transmission dynamic curves varied, ranging from Jan 21 to April 19, 2020.The 34 provinces/cities were grouped into 9 clusters.Conclusions: The accuracy of the AI-based methods for forecasting the trajectory of Covid-19 was high.We predicted that the epidemics of Covid-19 will be over by the middle of April.If the data are reliable and there are no second transmissions, we can accurately forecast the transmission dynamics of the Covid-19 across the provinces/cities in China.The AIinspired methods are a powerful tool for helping public health planning.

Background.The long-term impact of allogeneic hematopoietic stem cell transplantation (HSCT) on human immunodeficiency virus type 1 (HIV-1) reservoirs in patients receiving combination antiretroviral therapy (cART) is largely unknown.Methods.We studied the effects of a reduced-intensity conditioning allogeneic HSCT from donors with wildtype-CCR5 + cells on HIV-1 peripheral blood reservoirs in 2 patients heterozygous for the ccr5Δ32 mutation.Indepth analyses of the HIV-1 reservoir size in peripheral blood, coreceptor use, and specific antibody responses were performed on samples obtained before and up to 3.5 years after HSCT receipt.Results.Although HIV-1 DNA was readily detected in peripheral blood mononuclear cells (PBMCs) before and 2-3 months after HSCT receipt, HIV-1 DNA and RNA were undetectable in PBMCs, CD4 + T cells, or plasma up to 21 and 42 months after HSCT.The loss of detectable HIV-1 correlated temporally with full donor chimerism, development of graft-versus-host disease, and decreases in HIV-specific antibody levels.Conclusions.The ability of donor cells to engraft without evidence of ongoing HIV-1 infection suggests that HIV-1 replication may be fully suppressed during cART and does not contribute to maintenance of viral reservoirs in peripheral blood in our patients.HSCTs with wild-type-CCR5 + donor cells can lead to a sustained reduction in the size of the peripheral reservoir of HIV-1.

Abstract The SARS-CoV-2 Omicron variant has been partitioned into four sub-lineages designated BA.1, BA.1.1, BA.2 and BA.3, with BA.2 becoming dominant worldwide recently by outcompeting BA.1 and BA.1.1. We and others have reported the striking antibody evasion of BA.1 and BA.2, but side-by-side comparison of susceptibility of all the major Omicron sub-lineages to vaccine-elicited or monoclonal antibody (mAb)-mediated neutralization are urgently needed. Using VSV-based pseudovirus, we found that sera from individuals vaccinated by two doses of inactivated whole-virion vaccines (BBIBP-CorV) showed very weak to no neutralization activity, while a homologous inactivated vaccine booster or a heterologous booster with protein subunit vaccine (ZF2001) markedly improved the neutralization titers against all Omicron variants. The comparison between sub-lineages indicated that BA.1.1, BA.2 and BA.3 had comparable or even greater antibody resistance than BA.1. We further evaluated the neutralization profile of a panel of 20 mAbs, including 10 already authorized or approved, against these Omicron sub-lineages as well as viruses with different Omicron spike single or combined mutations. Most mAbs lost their neutralizing activity completely or substantially, while some demonstrated distinct neutralization patterns among Omicron sub-lineages, reflecting their antigenic difference. Taken together, our results suggest all four Omicron sub-lineages threaten the efficacies of current vaccines and antibody therapeutics, highlighting the importance of vaccine boosters to combat the emerging SARS-CoV-2 variants.

Abstract Many new Omicron sub-lineages have been reported to evade neutralizing antibody response, including BA.2, BA.2.12.1, BA.4 and BA.5. Most recently, another emerging sub-lineage BA.2.75 has been reported in multiple countries. In this study, we constructed a comprehensive panel of pseudoviruses (PsVs), including wild-type, Delta, BA.1, BA.1.1, BA.2, BA.3, BA.2.3.1, BA.2.10.1, BA.2.12.1, BA.2.13, BA.2.75 and BA.4/BA.5, with accumulate coverage reached 91% according to the proportion of sequences deposited in GISAID database since Jan 1 st , 2022. We collected serum samples from healthy adults at day14 post homologous booster with BBIBP-CorV, or heterologous booster with ZF2001, primed with two doses of BBIBP-CorV, or from convalescents immunized with three-dose inactivated vaccines prior to infection with Omicron BA.2, and tested their neutralization activity on this panel of PsVs. Our results demonstrated that all Omicron sub-lineages showed substantial evasion of neutralizing antibodies induced by vaccination and infection, although BA.2.75 accumulated the largest number of mutations in its spike, BA.4 and BA.5 showed the strongest serum escape. However, BA.2 breakthrough infection could remarkably elevated neutralization titers against all different variants, especially titers against BA.2 and its derivative sub-lineages.

Skillful subseasonal forecasts are crucial for various sectors of society but pose a grand scientific challenge. Recently, machine learning-based weather forecasting models outperform the most successful numerical weather predictions generated by the European Centre for Medium-Range Weather Forecasts (ECMWF), but have not yet surpassed conventional models at subseasonal timescales. This paper introduces FuXi Subseasonal-to-Seasonal (FuXi-S2S), a machine learning model that provides global daily mean forecasts up to 42 days, encompassing five upper-air atmospheric variables at 13 pressure levels and 11 surface variables. FuXi-S2S, trained on 72 years of daily statistics from ECMWF ERA5 reanalysis data, outperforms the ECMWF's state-of-the-art Subseasonal-to-Seasonal model in ensemble mean and ensemble forecasts for total precipitation and outgoing longwave radiation, notably enhancing global precipitation forecast. The improved performance of FuXi-S2S can be primarily attributed to its superior capability to capture forecast uncertainty and accurately predict the Madden-Julian Oscillation (MJO), extending the skillful MJO prediction from 30 days to 36 days. Moreover, FuXi-S2S not only captures realistic teleconnections associated with the MJO but also emerges as a valuable tool for discovering precursor signals, offering researchers insights and potentially establishing a new paradigm in Earth system science research. This paper introduces FuXi-S2S, a machine-learning model that outperforms conventional numerical weather prediction models at subseasonal timescales globally, extending the skillful Madden–Julian Oscillation prediction form 30 days to 36 days.

Abstract Background Physiological networks are highly complex, integrating connections among multiple organ systems and their dynamic changes underlying human aging. It is unknown whether individual-level network could serve as robust biomarkers for health and aging. Methods We used personalized network analysis to construct single sample network and examine the associations between network properties and functional disability in the Rugao Longevity and Aging Study (RuLAS), the China Health and Retirement Longitudinal Study (CHARLS), the Chinese Longitudinal Healthy Longevity Survey (CLHLS), and the National Health and Nutrition Examination Survey (NHANES). Results We observed impairments in interconnected physiological systems among long-lived adults in RuLAS. Single sample network analysis was applied to reflect the co-occurrence of these multi-system impairments at the individual level. The ADL-disabled individuals' networks exhibited notably increased connectivity among various biomarkers. Significant associations were found between network topology and functional disability across RuLAS, CHARLS, CLHLS and NHANES. Additionally, network topology served as novel biomarkers to capture risks of incident ADL disability in CHARLS. Furthermore, these metrics of physiological network topology predicted mortality across four cohorts. Sensitivity analysis demonstrated that prediction performance of network topology remained robust, regardless of the chosen biomarkers and parameters. Conclusion These findings showed that metrics of network topology were sensitive and robust biomarkers to capture risks of functional disability and mortality, highlighting the role of single sample physiological networks as novel biomarker for health and aging.

Repeated extreme environmental training (RET) enhances adaptability and induces lasting methylation modifications. We recruited 64 participants from a high-altitude region (4700 m), including 32 volunteers with repeated high-altitude exposure, reaching up to 8848 m and as many as 11 exposures. By analyzing 741,489 CpG loci and 39 phenotypes, we identified significant changes in 13 CpG loci (R

The critical role of electromagnetic multiphysics simulation in accurately simulating real-world scenarios cannot be overstated and COMSOL is a powerful multiphysics simulation software. Our work leverages COMSOL to repeatedly simulate a typical cavity filter model, resulting in 340 distinct S-parameter curves. Each curve corresponds to a unique set of filter parameters as inputs. The simulation inputs and outputs were integrated into a Backpropagation (BP) neural network for training and prediction. This integration of neural network and data-driven methodologies not only reduces the computational time of electromagnetic multiphysics simulation from two hours to two seconds but also yields accurate numerical solutions, which difference with COMSOL simulation results is only 4%. The framework can be innovatively designed for rapid prediction and analysis of cavity filter performance.