MétaCan
Menu
Retour à la cohorte
Enregistrement W1654970771 · doi:10.1111/evo.12170

THE CONDITION DEPENDENCY OF FITNESS IN MALES AND FEMALES: THE FITNESS CONSEQUENCES OF JUVENILE DIET ASSESSED IN ENVIRONMENTS DIFFERING IN KEY ADULT RESOURCES

2013· article· en· W1654970771 sur OpenAlexafffund
Andrea Elizabeth Zikovitz, Aneil F. Agrawal

Notice bibliographique

RevueEvolution · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBiologySelection (genetic algorithm)Abundance (ecology)Reproductive successJuvenileSexual selectionEcologyKey (lock)ZoologyDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

Variation in environmental or genetic quality leads to phenotypic variation in condition, but how much variation in fitness is created by this variation in condition? Using Drosophila melanogaster, we manipulated condition via alternative larval diets and then tested several key factors predicted to influence how much variation in fitness results from differences in condition. Specifically, we were interested in whether male and female fitness are affected equally by condition and whether the strength of selection on condition depends on the abundance of key resources limiting the reproductive output of each sex. We measured selection on condition in alternative assay contexts that varied in the abundance of adult food (a key resource for females) or in the abundance of females (a key resource for males). Overall, selection tended to be stronger on males than females. However, selection on males was weakened when the abundance of their key resource (females) was elevated. Increasing the abundance of the key resource for females (live yeast) elevated their reproductive output as expected but did not change the strength of selection in this sex. Instead, this manipulation increased selection on males, suggesting that this environmental factor indirectly affects selection on males via their interaction with females.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil0,510

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEvolutionMême sujetAnimal Behavior and ReproductionTravaux en français237 207