MétaCan
Menu
Retour à la cohorte
Enregistrement W1979729024 · doi:10.1111/j.1420-9101.2006.01165.x

Sperm competition in a fish with external fertilization: the contribution of sperm number, speed and length

2006· article· en· W1979729024 sur OpenAlexaff
J. A. Stoltz, Bryan D. Neff

Notice bibliographique

RevueJournal of Evolutionary Biology · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensWestern University
Organismes subventionnairesSyracuse University
Mots-clésSpermBiologyHuman fertilizationSperm competitionSpawn (biology)AndrologyZoologyEcologyBotanyAnatomy

Résumé

récupéré en direct d'OpenAlex

The role of sperm number and quality in male competitiveness was investigated using in vitro fertilization experiments with bluegill (Lepomis macrochirus). Bluegill males use one of three mating tactics: 'sneakers', which streak spawn; 'satellites', which mimic females; and 'parentals', which are territorial. The in vitro experiments mimicked natural spawning by incorporating these males' mean proximity to eggs and timing of sperm release. Using a maximum-likelihood algorithm, raffle equations were fit to paternity data, which revealed a strong effect of sperm number on male competitiveness. There was no difference in sperm flagellum length, curvilinear swim speed or path linearity among the three male mating types, and these traits did not explain any additional variation in male competitiveness. It was estimated that, given closer proximity to eggs, satellites need release only 0.34 times as many sperm as parentals to obtain equal paternity. Despite being farther from the eggs and releasing sperm about half a second after parentals, sneakers need only release 0.58 times as many sperm as parentals to obtain equal paternity. Thus, the increased competitiveness of sneakers' sperm must come from a component of sperm quality other than speed or length.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
Science ouverte0,0000,001
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 Opus0,011
Tête enseignante GPT0,224
Écart entre enseignants0,213 · 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'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
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Evolutionary BiologyMême sujetAnimal Behavior and ReproductionTravaux en français237 207