Investment into Defensive Traits by Anuran Prey (Lithobates pipiens) Is Mediated by the Starvation-Predation Risk Trade-Off
Notice bibliographique
Résumé
Prey can invest in a variety of defensive traits when balancing risk of predation against that of starvation. What remains unknown is the relative costs of different defensive traits and how prey reconcile investment into these traits when energetically limited. We tested the simple allocation model of prey defense, which predicts an additive effect of increasing predation risk and resource availability, resulting in the full deployment of defensive traits under conditions of high risk and resource saturation. We collected morphometric, developmental, and behavioural data in an experiment using dragonfly larvae (predator) and Northern leopard frog tadpoles (prey) subject to variable levels of food availability and predation risk. Larvae exposed to food restriction showed limited response to predation risk; larvae at food saturation altered behaviour, development, and growth in response to predation risk. Responses to risk varied through time, suggesting ontogeny may affect the deployment of particular defensive traits. The observed negative correlation between body size and activity level for food-restricted prey--and the absence of a similar response among adequately-fed prey--suggests that a trade-off exists between behavioural and growth responses when energy budgets are limited. Our research is the first to demonstrate how investment into these defensive traits is mediated along gradients of both predation risk and resource availability over time. The interactions we demonstrate between resource availability and risk level on deployment of inducible defenses provide evidence that both internal condition and extrinsic risk factors play a critical role in the production of inducible defenses over time.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».