Abstract Background Schizophrenia (SZ) typically manifests heterogeneous phenotypes involving positive, negative and cognitive symptoms. However, the underlying neural mechanisms of these symptoms keep unclear. Functional gradient is a fascinating measure to characterize continuous, hierarchical organization of brain. Methods We aimed to investigate whether reproducible disruptions of functional gradient existed in SZ compared to normal controls (NC), and these abnormalities were associated with severity of clinical and cognitive symptoms in SZ. All analyses were implemented in two independent large-sample multi-site datasets (discovery dataset, 400 SZ and 336 NC; replication dataset, 279 SZ and 262 NC). First, functional gradient across cerebral cortex was calculated in each subject. Second, vertex-wise comparisons of cortical gradient between SZ and NC groups were performed to identify abnormalities in SZ. Meanwhile, reproducible and robustness analyses were implemented to validate these abnormalities. Finally, regression analyses were performed using generalized additive models to link these abnormalities to severity of clinical and cognitive symptoms in SZ. Results We found an abnormal gradient map in SZ in the discovery dataset, which was reproducible in the replication dataset. The abnormal gradient pattern was also robust when performing methodological alternatives and control analyses. Further, these reproducible abnormalities can reliably predict symptoms of clinical and cognitive domains across the two independent datasets. Conclusion These findings demonstrated that alterations in functional gradient can provide a reliable signature of SZ, characterizing the heterogenous symptoms of clinical or cognitive domains, and may be further investigated to understand the neurobiological mechanisms of these symptoms. Impact Statement In our study, using functional gradient measure and statistical learning technology and two independent multi-site case-control resting-state fMRI datasets (discovery dataset: 736 subjects; replication dataset: 541 subjects), we comprehensively investigated functional hierarchical organization in the cerebral cortex of SZ and its association with interindividual severity of symptoms. We found reproducible and robust abnormalities of functional gradient existed in SZ, which provided a reliable signature to characterize negative and general psychopathology symptoms, as well as cognitive deficits. Our findings can provide new insights to understand the neurobiological mechanisms of clinical and cognitive symptoms in SZ.

Abstract Trap-assisted charge recombination is one of the primary limitations of restricting the performance of organic solar cells. However, effectively reducing the presence of traps in the photoactive layer remains challenging. Herein, wide bandgap polymer donor PTzBI-dF is demonstrated as an effective modulator for enhancing the crystallinity of the bulk heterojunction active layers composed of D18 derivatives blended with Y6, leading to dense and ordered molecular packings, and thus, improves photoluminescence quenching properties. As a result, the photovoltaic devices exhibit reduced trap-assisted charge recombination losses, achieving an optimized power conversion efficiency of over 19%. Besides the efficiency enhancement, the devices comprised of PTzBI-dF as a third component simultaneously attain decreased current leakage, improved charge carrier mobilities, and suppressed bimolecular charge recombination, leading to reduced energy losses. The advanced crystalline structures induced by PTzBI-dF and its characteristics, such as well-aligned energy level, and complementary absorption spectra, are ascribed to the promising performance improvements. Our findings suggest that donor phase engineering is a feasible approach to tuning the molecular packings in the active layer, providing guidelines for designing effective morphology modulators for high-performance organic solar cells.

The lung microbiota of patients with pulmonary diseases is disrupted and impacts the immunity. The microbiological and immune landscape of the lungs in patients with pneumocystis pneumonia (PCP) remains poorly understood.

There is currently insufficient research on the causal relationship between depression and constipation. This study aims to provide clear evidence for the positive and negative causal relationship between depression and constipation through bidirectional two-sample Mendelian randomization (MR) analysis. MR is a statistical method used to evaluate the credible causal relationship between exposure and outcomes. In this study, we extracted corresponding genetic data from independent cohorts of patients with depression and constipation. Depression data was obtained from the Finngen database, while constipation data was obtained from the IEU OPEN genome-wide association study database. MR analysis was conducted using 5 methods: inverse variance weighted (IVW), MR-Egger, weighted median, simple mode, and weighted mode. In addition, we also used Cochran Q test, MR-Egger intercept test, and leave-one-out analysis to test for the existence of horizontal pleiotropy and evaluate the robustness of MR analysis results. In the analysis of the impact of depression on constipation, we identified 15 significant and statistically strong single nucleotide polymorphisms, and the IVW random effects analysis showed a causal relationship (OR = 1.005 [1.003, 1.007], P = 1.26 × 10 ‐5 ). When analyzing the impact of constipation on depression, 10 significant and statistically strong single nucleotide polymorphisms were identified, but IVW analysis did not find a causal relationship (OR = 73.768 [0.004, 1.306 × 10 ‐6 ], P = .389). There is no heterogeneity in the impact of depression on constipation in the bidirectional analysis results, and there is heterogeneity in the impact of constipation on depression, but there is no horizontal pleiotropy. Our bidirectional two-sample MR analysis identified a causal relationship between depression and constipation. This discovery may help clinical doctors to intervene in depression patients in a timely and effective manner when treating constipation patients, avoiding further deterioration of the condition.

With the emergence of polymer acceptors with BTP cores and their derivatives, all-polymer solar cells (all-PSCs) have achieved remarkable progress in achieving power conversion efficiencies (PCE). However, compared with the...

Interictal epileptiform discharges refer to aberrant brain electrographic signals between seizures and feature intermittent interictal spikes (ISs), sharp waves, and/or abnormal rhythms. Recognition of these epileptiform activities by electroencephalographic (EEG) examinations greatly aids epilepsy diagnosis and localization of the seizure onset zone. ISs are a major form of interictal epileptiform discharges recognized in animal models of epilepsy. Progressive changes in IS waveforms, IS rates, and/or associated fast ripple oscillations have been shown to precede the development of spontaneous recurrent seizures (SRS) in various animal models. IS expressions in the kindling model of epilepsy have been demonstrated but IS changes during the course of SRS development in extended kindled animals remain to be detailed. We hence addressed this issue using a mouse model of kindling-induced SRS. Adult C57 black mice received twice daily hippocampal stimulations until SRS occurrence, with 24-h EEG monitoring performed following 50, 80, and ≥ 100 stimulations and after observation of SRS. In the stimulated hippocampus, increases in spontaneous ISs rates, but not in IS waveforms nor IS-associated fast ripples, along with decreased frequencies of hippocampal delta and theta rhythms, were observed before SRS onset. Comparable increases in IS rates were further observed in the unstimulated hippocampus, piriform cortex, and entorhinal cortex, but not in the unstimulated parietal cortex and dorsomedial thalamus. These data provide original evidence suggesting that increases in hippocampal IS rates, together with reductions in hippocampal delta and theta rhythms are closely associated with development of SRS in a rodent kindling model.

Abstract Naturalistic stimuli elicit rich subjective experiences through adaptive neural coordination. However, how inherent behavioral traits shape individual neural dynamics in naturalistic settings remains unclear. Here, we introduce a computational framework, STIM, to systematically capture individual differences in brain dynamics while watching diverse movie stimuli. By leveraging Topological Data Analysis, STIM generates a robust group-level dynamical landscape of brain latent states, mapping individual-specific divergence into global topology and local geometry. Applying STIM to large-sample movie fMRI datasets, we found that inter-individual variation in global topology exhibits a center-periphery gradient in the landscape. This gradient significantly explains individual fluid intelligence from a dual perspective, highlighting the importance of both adaptability and diversity of neural dynamics. At the fine-grained narrative level, individual local geometry attributes are associated with context-specific psychological traits beyond cognition. Furthermore, STIM reveals how the dynamical landscape evolves across neurodevelopment and exhibits abnormalities in psychiatric disorders such as autism. In summary, the STIM framework has the potential to transform rich naturalistic stimuli with brain recording into neural ‘probes’ to measure individual differences in cognition and mental health.