Abstract The in‐depth mechanisms of microRNA regulation of premature ovarian failure (POF) remain unclear. Crispr‐cas9 technology was used to construct transgenic mice. The qPCR and Western blot was used to detect the expression level of genes. H&E staining were used to detect ovarian pathological phenotypes. We found that the expression levels of microRNA‐3061 were significantly higher in ovarian granulosa cells (OGCs) of POF mouse models than in controls. The miR‐3061 +/− /AMH‐Cre +/− transgenic mice manifested symptoms of POF. RNA‐Seq and luciferase reporter assay confirmed that the PAX7 was one of the target genes negatively regulated by microRNA‐3061 (miR‐3061–5p). Moreover, PAX7 mediated the expression of non‐canonical Wnt/Ca 2+ signalling pathway by binding to the motifs of promoters to stimulate the transcriptional activation of Wnt5a and CamK2a. In contrast, specific knock‐in of microRNA‐3061 in OGCs significantly downregulated the expression levels of PAX7 and inhibited the expression of downstream Wnt/Ca 2+ signalling pathway. We also discerned a correlation between the expression levels of mRNAs of the Wnt/Ca2+ signalling pathway and the levels of E2 and FSH in POF patients by examining gene expression in the follicular fluid‐derived exosomes of women. We confirmed that overexpression of microRNA‐3061 induced proliferative inhibition of OGCs and ultimately induced POF in mice by suppressing the transcription factor PAX7 and downregulating expression levels of its downstream Wnt/Ca 2+ signalling pathway genes.

We confirmed that oral administration of cranberry-derived exosomes attenuated murine POF by modulating the gut microbiota and decreasing ovarian granulosa cell PANoptosis.

Thermal infrared (TIR) images capture temperature in a non-invasive manner, making them valuable for generating 3D models that reflect the spatial distribution of thermal properties within a scene. Current TIR image-based 3D reconstruction methods primarily focus on static conditions, which only capture the spatial distribution of thermal radiation but lack the ability to represent its temporal dynamics. The absence of dedicated datasets and effective methods for dynamic 3D representation are two key challenges that hinder progress in this field. To address these challenges, we propose a novel dynamic thermal 3D reconstruction method, named ThermalGS, based on 3D Gaussian Splatting (3DGS). ThermalGS employs a data-driven approach to directly learn both scene structure and dynamic thermal representation, using RGB and TIR images as input. The position, orientation, and scale of Gaussian primitives are guided by the RGB mesh. We introduce feature encoding and embedding networks to integrate semantic and temporal information into the Gaussian primitives, allowing them to capture dynamic thermal radiation characteristics. Moreover, we construct the Thermal Scene Day-and-Night (TSDN) dataset, which includes multi-view, high-resolution aerial RGB reference images and TIR images captured at five different times throughout the day and night, providing a benchmark for dynamic thermal 3D reconstruction tasks. Experimental results demonstrate that the proposed method achieves state-of-the-art performance on the TSDN dataset, with an average absolute temperature error of 1 °C and the ability to predict surface temperature variations over time.