A study of proton-proton collisions in which two b hadrons are produced in association with a Z boson is reported. The collisions were recorded at a centre-of-mass energy of 7 TeV with the CMS detector at the LHC, for an integrated luminosity of 5.2 inverse femtobarns. The b hadrons are identified by means of displaced secondary vertices, without the use of reconstructed jets, permitting the study of b-hadron pair production at small angular separation. Differential cross sections are presented as a function of the angular separation of the b hadrons and the Z boson. In addition, inclusive measurements are presented. For both the inclusive and differential studies, different ranges of Z boson momentum are considered, and each measurement is compared to the predictions from different event generators at leading-order and next-to-leading-order accuracy.

The function of the mammalian brain relies upon the specification and spatial positioning of diversely specialized cell types. Yet, the molecular identities of the cell types and their positions within individual anatomical structures remain incompletely known. To construct a comprehensive atlas of cell types in each brain structure, we paired high-throughput single-nucleus RNA sequencing with Slide-seq1,2-a recently developed spatial transcriptomics method with near-cellular resolution-across the entire mouse brain. Integration of these datasets revealed the cell type composition of each neuroanatomical structure. Cell type diversity was found to be remarkably high in the midbrain, hindbrain and hypothalamus, with most clusters requiring a combination of at least three discrete gene expression markers to uniquely define them. Using these data, we developed a framework for genetically accessing each cell type, comprehensively characterized neuropeptide and neurotransmitter signalling, elucidated region-specific specializations in activity-regulated gene expression and ascertained the heritability enrichment of neurological and psychiatric phenotypes. These data, available as an online resource ( www.BrainCellData.org ), should find diverse applications across neuroscience, including the construction of new genetic tools and the prioritization of specific cell types and circuits in the study of brain diseases.

Abstract An essential step toward understanding brain function is to establish a cellular-resolution structural framework upon which multi-scale and multi-modal information spanning molecules, cells, circuits and systems can be integrated and interpreted. Here, through a collaborative effort from the Brain Initiative Cell Census Network (BICCN), we derive a comprehensive cell type-based description of one brain structure - the primary motor cortex upper limb area (MOp-ul) of the mouse. Applying state-of-the-art labeling, imaging, computational, and neuroinformatics tools, we delineated the MOp-ul within the Mouse Brain 3D Common Coordinate Framework (CCF). We defined over two dozen MOp-ul projection neuron (PN) types by their anterograde targets; the spatial distribution of their somata defines 11 cortical sublayers, a significant refinement of the classic notion of cortical laminar organization. We further combine multiple complementary tracing methods (classic tract tracing, cell type-based anterograde, retrograde, and transsynaptic viral tracing, high-throughput BARseq, and complete single cell reconstruction) to systematically chart cell type-based MOp input-output streams. As PNs link distant brain regions at synapses as well as host cellular gene expression, our construction of a PN type resolution MOp-ul wiring diagram will facilitate an integrated analysis of motor control circuitry across the molecular, cellular, and systems levels. This work further provides a roadmap towards a cellular resolution description of mammalian brain architecture.

ABSTRACT We report the generation of a multimodal cell census and atlas of the mammalian primary motor cortex (MOp or M1) as the initial product of the BRAIN Initiative Cell Census Network (BICCN). This was achieved by coordinated large-scale analyses of single-cell transcriptomes, chromatin accessibility, DNA methylomes, spatially resolved single-cell transcriptomes, morphological and electrophysiological properties, and cellular resolution input-output mapping, integrated through cross-modal computational analysis. Together, our results advance the collective knowledge and understanding of brain cell type organization: First, our study reveals a unified molecular genetic landscape of cortical cell types that congruently integrates their transcriptome, open chromatin and DNA methylation maps. Second, cross-species analysis achieves a unified taxonomy of transcriptomic types and their hierarchical organization that are conserved from mouse to marmoset and human. Third, cross-modal analysis provides compelling evidence for the epigenomic, transcriptomic, and gene regulatory basis of neuronal phenotypes such as their physiological and anatomical properties, demonstrating the biological validity and genomic underpinning of neuron types and subtypes. Fourth, in situ single-cell transcriptomics provides a spatially-resolved cell type atlas of the motor cortex. Fifth, integrated transcriptomic, epigenomic and anatomical analyses reveal the correspondence between neural circuits and transcriptomic cell types. We further present an extensive genetic toolset for targeting and fate mapping glutamatergic projection neuron types toward linking their developmental trajectory to their circuit function. Together, our results establish a unified and mechanistic framework of neuronal cell type organization that integrates multi-layered molecular genetic and spatial information with multi-faceted phenotypic properties.

Abstract A number of single-cell RNA studies looking at the human immune response to the coronavirus disease 2019 (COVID-19) caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) have been recently published. However, the number of samples used in each individual study typically is small, moreover the technologies and protocols used in different studies vary, thus somewhat restricting the range of conclusions that can be made with high confidence. To better capture the cellular gene expression changes upon SARS-CoV-2 infection at different levels and stages of disease severity and to minimise the effect of technical artefacts, we performed meta-analysis of data from 9 previously published studies, together comprising 143 human samples, and a set of 16 healthy control samples (10X). In particular, we used generally accepted immune cell markers to discern specific cell subtypes and to look at the changes of the cell proportion over different disease stages and their consistency across the studies. While half of the observations reported in the individual studies can be confirmed across multiple studies, half of the results seem to be less conclusive. In particular, we show that the differentially expressed genes consistently point to upregulation of type I Interferon signal pathway and downregulation of the mitochondrial genes, alongside several other reproducibly consistent changes. We also confirm the presence of expanded B-cell clones in COVID-19 patients, however, no consistent trend in T-cell clonal expansion was observed.

The function of the mammalian brain relies upon the specification and spatial positioning of diversely specialized cell types. Yet, the molecular identities of the cell types, and their positions within individual anatomical structures, remain incompletely known. To construct a comprehensive atlas of cell types in each brain structure, we paired high-throughput single-nucleus RNA-seq with Slide-seq-a recently developed spatial transcriptomics method with near-cellular resolution-across the entire mouse brain. Integration of these datasets revealed the cell type composition of each neuroanatomical structure. Cell type diversity was found to be remarkably high in the midbrain, hindbrain, and hypothalamus, with most clusters requiring a combination of at least three discrete gene expression markers to uniquely define them. Using these data, we developed a framework for genetically accessing each cell type, comprehensively characterized neuropeptide and neurotransmitter signaling, elucidated region-specific specializations in activity-regulated gene expression, and ascertained the heritability enrichment of neurological and psychiatric phenotypes. These data, available as an online resource (BrainCellData.org) should find diverse applications across neuroscience, including the construction of new genetic tools, and the prioritization of specific cell types and circuits in the study of brain diseases.

Neuroscientific data analysis has classically involved methods for statistical signal and image processing, drawing on linear algebra and stochastic process theory. However, digitized neuroanatomical data sets containing labelled neurons, either individually or in groups labelled by tracer injections, do not fully fit into this classical framework. The tree-like shapes of neurons cannot mathematically be adequately described as points in a vector space (eg, the subtraction of two neuronal shapes is not a meaningful operation). There is therefore a need for new approaches. Methods from computational topology and geometry are naturally suited to the analysis of neuronal shapes. Here we introduce methods from Discrete Morse Theory to extract tree-skeletons of individual neurons from volumetric brain image data, or to summarize collections of neurons labelled by localized anterograde tracer injections. Since individual neurons are topologically trees, it is sensible to summarize the collection of neurons labelled by a localized anterograde tracer injection using a consensus tree-shape. This consensus tree provides a richer information summary than the regional or voxel-based "connectivity matrix" approach that has previously been used in the literature. The algorithmic procedure includes an initial pre-processing step to extract a density field from the raw volumetric image data, followed by initial skeleton extraction from the density field using a discrete version of a 1-(un)stable manifold of the density field. Heuristically, if the density field is regarded as a mountainous landscape, then the 1-(un)stable manifold follows the "mountain ridges" connecting the maxima of the density field. We then simplify this skeleton-graph into a tree using a shortest-path approach and methods derived from persistent homology. The advantage of this approach is that it uses global information about the density field and is therefore robust to local fluctuations and non-uniformly distributed input signals. To be able to handle large data sets, we use a divide-and-conquer approach. The resulting software DiMorSC is available on Github. To the best of our knowledge this is currently the only publicly available code for the extraction of the 1-unstable manifold from an arbitrary simplicial complex using the Discrete Morse approach.

Abstract Objective This study investigated the mechanism of human epididymis protein 4 (HE4) in hyperoxia-induced alveolar damage in rats. Methods The pathological changes of SD rat lung tissue were detected by hematoxylin-eosin staining. Plasma protein levels were measured by enzyme-linked immunosorbent assay (ELISA). The expression of mRNA was detected by real-time RT-PCR. Results Hyperoxia intervention within 7 days could induce acute lung injury in neonatal SD rats. Hyperoxia induction can increase HE4, MMP9 and TIMP1 in plasma and tissue of neonatal SD rats. By overexpressing and silencing HE4 gene in neonatal rat primary alveolar type II epithelial cells, we found that HE4 protein activates the phosphorylation of ERK and p65, activates the downstream MMP9 signaling pathway, inhibits MMP9 mRNA expression, inhibits protein activity, and reduces COLI degradation, increases collagen secretion, promoting matrix remodeling and fibrosis. Conclusion HE4 mediates the pathophysiological process of hyperoxia-induced lung injury in rats through ERK, MMP9 and TIMP1 signaling pathways. HE4 overexpression mediates lung basal remodeling and lung injury.

ABSTRACT Cartilage adheres to subchondral bone via a specific osteochondral interface tissue where forces are transferred from soft cartilage to hard bone without fatigue damage over a lifetime of load cycles. However, the fine structure and mechanical properties of osteochondral interface tissue remain unclear. Here, we identified an ultrathin ∼20-30 μm calcified region with two-layered micro-nano structures of osteochondral interface tissue in human knee joint, which exhibited characteristic biomolecular compositions and complex nanocrystals assembly. Within this region, an exponential increase of modulus (3 orders of magnitude) was conducive to the force transmission which was verified by finite element simulations. The nanoscale heterogeneity of hydroxyapatite, along with enrichment of elastic-responsive protein-titin which is usually present in muscle, endowed the osteochondral tissue with excellent energy dissipation and fatigue resistance properties. Our results provide potential design for high-performance interface materials for osteochondral interface regeneration and functional coatings.

Neuroscientific data analysis has traditionally relied on linear algebra and stochastic process theory. However, the tree-like shapes of neurons cannot be described easily as points in a vector space (the subtraction of two neuronal shapes is not a meaningful operation), and methods from computational topology are better suited to their analysis. Here we introduce methods from Discrete Morse (DM) Theory to extract the tree-skeletons of individual neurons from volumetric brain image data, and to summarize collections of neurons labelled by tracer injections. Since individual neurons are topologically trees, it is sensible to summarize the collection of neurons using a consensus tree-shape that provides a richer information summary than the traditional regional 'connectivity matrix' approach. The conceptually elegant DM approach lacks hand-tuned parameters and captures global properties of the data as opposed to previous approaches which are inherently local. For individual skeletonization of sparsely labelled neurons we obtain substantial performance gains over state-of-the-art non-topological methods (over 10% improvements in precision and faster proofreading). The consensus-tree summary of tracer injections incorporates the regional connectivity matrix information, but in addition captures the collective collateral branching patterns of the set of neurons connected to the injection site, and provides a bridge between single-neuron morphology and tracer-injection data.