MétaCan
Menu
Retour à la cohorte
Enregistrement W1972913773 · doi:10.1890/02-4105

QUANTITATIVE FATTY ACID SIGNATURE ANALYSIS: A NEW METHOD OF ESTIMATING PREDATOR DIETS

2004· article· en· W1972913773 sur OpenAlexaffabout
Sara J. Iverson, Chris Field, W. Don Bowen, Wade Blanchard

Notice bibliographique

RevueEcological Monographs · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiologyPredationCapelinFatty acidHerringPredatorMinkPhocaEcologyZoologyFisheryBiochemistryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Accurate estimates of the diets of predators are required in many areas of ecology, but for many species current methods are imprecise, limited to the last meal, and often biased. The diversity of fatty acids and their patterns in organisms, coupled with the narrow limitations on their biosynthesis, properties of digestion in monogastric animals, and the prevalence of large storage reservoirs of lipid in many predators, led us to propose the use of quantitative fatty acid signature analysis (QFASA) to study predator diets. We present a statistical model that provides quantitative estimates of the proportions of prey species in the diets of individual predators using fatty acid signatures. We conducted simulation studies using a database of 28 prey species (n= 954 individuals) from the Scotian Shelf off eastern Canada to investigate properties of the model and to evaluate the reliability with which prey could be distinguished in the model. We then conducted experiments on grey seals ( Halichoerus grypus ,n= 25) and harp seals ( Phoca groenlandica ,n= 5) to assess quantitative characteristics of fatty acid deposition and to develop calibration coefficients for individual fatty acids to account for predator lipid metabolism. We then tested the model and calibration coefficients by estimating the diets of experimentally fed captive grey seals (n= 6, switched from herring to a mackerel/capelin diet) and mink kits ( Mustela vison ,n= 46, switched from milk to one of three oil‐supplemented diets). The diets of all experimentally fed animals were generally well estimated using QFASA and were consistent with qualitative and quantitative expectations, provided that appropriate calibration coefficients were used. In a final case, we compared video data of foraging by individual free‐ ranging harbor seals ( Phoca vitulina ,n= 23) fitted with Crittercams and QFASA estimates of the diet of those same seals using a complex ecosystem‐wide prey database. Among the 28 prey species in the database, QFASA estimated sandlance to be the dominant prey species in the diet of all seals (averaging 62% of diet), followed primarily by flounders, but also capelin and minor amounts of other species, although there was also considerable individual variability among seals. These estimates were consistent with video data showing sandlance to be the predominant prey, followed by flatfish. We conclude that QFASA provides estimates of diets for individuals at time scales that are relevant to the ecological processes affecting survival, and can be used to study diet variability within individuals over time, which will provide important opportunities rarely possible with other indirect methods. We propose that the QFASA model we have set forth will be applicable to a wide range of predators and ecosystems.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,030
Tête enseignante GPT0,313
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations734
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcological MonographsMême sujetMarine animal studies overviewTravaux en français237 207