Rationally introduced crossover positions bend networks of double-helical DNA strands into complex shapes.

Engineering wireframe architectures and scaffolds of increasing complexity is one of the important challenges in nanotechnology. We present a design strategy to create gridiron-like DNA structures. A series of four-arm junctions are used as vertices within a network of double-helical DNA fragments. Deliberate distortion of the junctions from their most relaxed conformations ensures that a scaffold strand can traverse through individual vertices in multiple directions. DNA gridirons were assembled, ranging from two-dimensional arrays with reconfigurability to multilayer and three-dimensional structures and curved objects.

Large origami from a single strand Nanostructures created by origami-like folding of nucleic acids are usually formed by base-pairing interactions between multiple strands. Han et al. show that large origami (up to 10,000 nucleotides for DNA and 6000 nucleotides for RNA) can be created in simple shapes, such as a rhombus or a heart. A single strand can be folded smoothly into structurally complex but knot-free structures by using partially complemented double-stranded DNA and the cohesion of parallel crossovers. The use of single strands also enables in vitro synthesis of these structures. Science , this issue p. eaao2648

Optimize the extraction process of earthworm fibrinolytic enzyme. Chinese common earthworms underwent a series of purification processes, including grinding, salting out, hydrophobic medium chromatography, ammonium sulfate precipitation, and ion exchange chromatography, to obtain purified earthworm fibrinolytic enzyme. Utilizing Pheretima aspergillum as the starting material, we discovered that the specific activity of lumbrokinase extracted via ammonium sulfate precipitation was 58 U/mg, noticeably surpassing that achieved through heat precipitation and ethanol precipitation methods. After undergoing two rounds of chromatographic separations employing hydrophobic affinity chromatography and anion exchange chromatography, the specific activity of the lumbrokinase protein soared to 9267 U/mg, significantly exceeding the 3,178 U/mg specific activity attained through industrial extraction methods. The development of a novel crude extraction method for lumbrokinase protein can significantly boost its activity and purity. The discovery of a high-efficiency purification method and the identification of protein components within highly active lumbrokinase pave the way for further investigations into these proteins.

Abstract Recent research in computational imaging largely focuses on developing machine learning (ML) techniques for image recognition in the medical field, which requires large-scale and high-quality training datasets consisting of raw images and annotated images. However, suitable experimental datasets for cervical spine X-ray are scarce. We fill the gap by providing an open-access Cervical Spine X-ray Atlas (CSXA), which includes 4963 raw PNG images and 4963 annotated images with JSON format (JavaScript Object Notation). Every image in the CSXA is enriched with gender, age, pixel equivalent, asymptomatic and symptomatic classifications, cervical curvature categorization and 118 quantitative parameters. Subsequently, an efficient algorithm has developed to transform 23 keypoints in images into 77 quantitative parameters for cervical spine disease diagnosis and treatment. The algorithm’s development is intended to assist future researchers in repurposing annotated images for the advancement of machine learning techniques across various image recognition tasks. The CSXA and algorithm are open-access with the intention of aiding the research communities in experiment replication and advancing the field of medical imaging in cervical spine.

The process of searching for and selecting clinical evidence for systematic reviews (SRs) or clinical guidelines is essential for researchers in Traditional Chinese medicine (TCM). However, this process is often time-consuming and resource-intensive. In this study, we introduce a novel precision-preferred comprehensive information extraction and selection procedure to enhance both the efficiency and accuracy of evidence selection for TCM practitioners. We integrated an established deep learning model (Evi-BERT combined rule-based method) with Boolean logic algorithms and an expanded retrieval strategy to automatically and accurately select potential evidence with minimal human intervention. The selection process is recorded in real-time, allowing researchers to backtrack and verify its accuracy. This innovative approach was tested on ten high-quality, randomly selected systematic reviews of TCM-related topics written in Chinese. To evaluate its effectiveness, we compared the screening time and accuracy of this approach with traditional evidence selection methods. Our finding demonstrated that the new method accurately selected potential literature based on consistent criteria while significantly reducing the time required for the process. Additionally, in some cases, this approach identified a broader range of relevant evidence and enabled the tracking of selection progress for future reference. The study also revealed that traditional screening methods are often subjective and prone to errors, frequently resulting in the inclusion of literature that does not meet established standards. In contrast, our method offers a more accurate and efficient way to select clinical evidence for TCM practitioners, outperforming traditional manual approaches. We proposed an innovative approach for selecting clinical evidence for TCM reviews and guidelines, aiming to reduce the workload for researchers. While this method showed promise in improving the efficiency and accuracy of evidence-based selection, its full potential required further validation. Additionally, it may serve as a useful tool for editors to assess manuscript quality in the future.

Background: Prior research has indicated a potential connection between psychological stress and how individuals perceive their own age. Building on this foundation, the current study explores the relationship between negative emotions and self-perceived age. Methods: We conducted a cross-sectional analysis using data from the UK Biobank, a comprehensive cohort study representing the UK population. The analysis included 347,892 participants, aged between 39 and 73 years, of which 184,765 were women, accounting for 53.1% of the sample. Participants were categorized into three groups based on their selfperceived age: feeling younger than their chronological age (group Younger), feeling older than their chronological age (group Older), and feeling as old as their actual age (group Same). To investigate the relationship between negative emotions and self-perceived age, we utilized a multinomial logistic regression model with the Younger group serving as the reference category. Results: Of 347,892 participants, after adjusted for covariates, the results showed that participants with irritability, nervous feelings, worrier/anxious feelings or fed-up feelings, worry too long and loneliness/isolation are more likely to be rated as "about your age" or "older than you are", with "younger than you are" as the reference group, indicating that negative emotions may influence one’s self-perceived age. Among those negative emotions, irritability has the most significant impact self-perceived age, with the ORs being 1.44 (95%CI: 1.35-1.54) and 1.11 (95%CI: 1.09-1.14). Conclusion: Negative emotions are associated with older self-perceived age, and irritability has the greatest impact. Further studies analyzing self-perceived age are needed to take psychological factors into consideration. Keywords: Negative Emotions; Aging; Self-Perceived Age; Multinomial Logistic Regression Analysis; UK Biobank