A flatband representing a highly degenerate and dispersionless manifold state of electrons may offer unique opportunities for the emergence of exotic quantum phases. To date, definitive experimental demonstrations of flatbands remain to be accomplished in realistic materials. Here, we present the first experimental observation of a striking flatband near the Fermi level in the layered Fe_{3}Sn_{2} crystal consisting of two Fe kagome lattices separated by a Sn spacing layer. The band flatness is attributed to the local destructive interferences of Bloch wave functions within the kagome lattices, as confirmed through theoretical calculations and modelings. We also establish high-temperature ferromagnetic ordering in the system and interpret the observed collective phenomenon as a consequence of the synergetic effect of electron correlation and the peculiar lattice geometry. Specifically, local spin moments formed by intramolecular exchange interaction are ferromagnetically coupled through a unique network of the hexagonal units in the kagome lattice. Our findings have important implications to exploit emergent flat-band physics in special lattice geometries.

Stomata play critical roles in gas exchange and immunity to pathogens. While many genes regulating early stomatal development up to the production of young guard cells (GCs) have been described in Arabidopsis, much less is known about how young GCs develop into mature functional stomata. Here we performed a maturomics study on stomata, with "maturomics" defined as omics analysis of the maturation process of a tissue or organ. We developed an integrative scheme to analyze three public stomata-related single-cell RNA-seq datasets and identified a list of 586 genes that were specifically up-regulated in all three datasets during stomata maturation and function formation. The list, termed sc_586, is enriched with known regulators of stomatal maturation and functions. We selected two candidate G2-like TFs genes, MYS1 and MYS2, from the list to investigate their roles in stomata. Our results showed that these two genes redundantly regulate the size and hoop rigidity of mature GCs, and their double mutations caused mature GCs to have severe defects in regulating their stomatal apertures. Our analysis thus provides a valuable gene list for studying GC maturation and function formation.

Despite many genes associated with human diseases have been identified, disease mechanisms often remain elusive due to the lack of understanding how disease genes are connected functionally at pathways level. Within biological networks, disease genes likely map to modules whose identification facilitates etiology studies but remains challenging. We describe a systematic approach to identify disease-associated gene modules. A gene co-expression network based on the graphical Gaussian model (GGM) was constructed using the GTEx dataset and assembled into 652 gene modules. Screening these modules identified those with disease genes enrichment for obesity, cardiomyopathy, hypertension, and autism, which illuminated the molecular pathways underlying their pathogenesis. Using mammalian phenotypes derived from mouse models, potential disease candidate genes were identified from these modules. Also analyzed were epilepsy, schizophrenia, bipolar disorder, and depressive disorder, revealing shared and distinct disease modules among brain disorders. Thus, disease genes converge on modules within our GGM gene co-expression network, which provides a general framework to dissect genetic architecture of human diseases.

Abstract Objectives To evaluate the performance of ultrasound-based deep learning (DL) models in distinguishing breast phyllodes tumors (PTs) from fibroadenomas (FAs) and their clinical utility in assisting radiologists with varying diagnostic experiences. Methods We retrospectively collected 1180 ultrasound images from 539 patients (247 PTs and 292 FAs). Five DL network models with different structures were trained and validated using nodule regions annotated by radiologists on breast ultrasound images. DL models were trained using the methods of transfer learning and 3-fold cross-validation. The model demonstrated the best evaluation index in the 3-fold cross-validation was selected for comparison with radiologists’ diagnostic decisions. Two-round reader studies were conducted to investigate the value of DL model in assisting six radiologists with different levels of experience. Results Upon testing, Xception model demonstrated the best diagnostic performance (AUC: 0.87, 95%CI: 0.81-0.92), outperforming all radiologists (all p < 0.05). Additionally, the DL model enhanced the diagnostic performance of radiologists. Accuracy demonstrated improvements of 4%, 4%, and 3% for senior, intermediate, and junior radiologists, respectively. Conclusions The DL models showed superior predictive abilities compared to experienced radiologists in distinguishing breast PTs from FAs. Utilizing the model led to improved efficiency and diagnostic performance for radiologists with different levels of experience (6-25 years of work). ADVANCES IN KNOWLEDGE We developed and validated a DL model based on the largest available dataset to assist in diagnosing PTs. This model has the potential to allow radiologists to discriminate two types of breast tumors which are challenging to identify with precision and accuracy, and subsequently to make more informed decisions about surgical plans.

The CRISPR/Cas9 technology is widely used for plant gene editing. In Arabidopsis, the early CRISPR/Cas9 systems using constitutive promoters to drive Cas9 expression usually have low heritable mutation efficiencies in the T1 generation. Germ cell-specific or cell division-specific promoters, like EC1.2en-EC1.1p fusion, YAO and CDC45, have been used as alternatives to direct Cas9 expression, but the efficiency of getting nonchimeric mutations is still not high. To further improve gene editing efficiency, we used gene co-expression network analysis to identify NUC1 as a candidate promoter for driving Cas9 expression. NUC1 has expression patterns similar to YAO, but expresses at a much higher level. We constructed a CRISPR/Cas9 system pHY07 that uses the NUC1 promoter to drive Cas9 and carries the mCherry protein as a fluorescent marker for selecting transgenic seeds. Using this system to edit the GL2 gene, we obtained apparently nonchimeric mutations in 55% of the T1 transgenic plants. Among the Cas9-free T2 plants 99% harbored mutations that are stably inherited from the previous generation. Therefore, our system exhibited extremely high editing efficiency, and through fluorescent screening of transgenic seeds, it become easy to obtain Cas9-free and stable genetic mutants in the T2 generation.