MétaCan
Menu
Retour à la cohorte
Enregistrement W1970968828 · doi:10.1098/rspb.2014.1897

Long sperm fertilize more eggs in a bird

2014· article· en· W1970968828 sur OpenAlexaff
Clair Bennison, Nicola Hemmings, Jon Slate, T. R. Birkhead

Notice bibliographique

RevueProceedings of the Royal Society B Biological Sciences · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensSt. Clair College
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilInnovative Research Group Project of the National Natural Science Foundation of China
Mots-clésSpermSperm competitionBiologyHuman fertilizationZebra finchTaeniopygiaReproductive successEcologyZoologyFemale sperm storageAndrologyAnatomyBotanyPopulationDemography

Résumé

récupéré en direct d'OpenAlex

Sperm competition, in which the ejaculates of multiple males compete to fertilize a female's ova, results in strong selection on sperm traits. Although sperm size and swimming velocity are known to independently affect fertilization success in certain species, exploring the relationship between sperm length, swimming velocity and fertilization success still remains a challenge. Here, we use the zebra finch (Taeniopygia guttata), where sperm size influences sperm swimming velocity, to determine the effect of sperm total length on fertilization success. Sperm competition experiments, in which pairs of males whose sperm differed only in length and swimming speed, revealed that males producing long sperm were more successful in terms of (i) the number of sperm reaching the ova and (ii) fertilizing those ova. Our results reveal that although sperm length is the main factor determining the outcome of sperm competition, complex interactions between male and female reproductive traits may also be important. The mechanisms underlying these interactions are poorly understood, but we suggest that differences in sperm storage and utilization by females may contribute to the outcome of sperm competition.

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)0,001
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 enseignants0,138
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,252
Écart entre enseignants0,223 · 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

Citations95
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Royal Society B Biological SciencesMême sujetAnimal Behavior and ReproductionTravaux en français237 207