MétaCan
Menu
Retour à la cohorte
Enregistrement W2096996017 · doi:10.1111/j.1095-8649.2009.02360.x

The influence of maternal condition on offspring performance in sockeye salmon <i>Oncorhynchus nerka</i>

2009· article· en· W2096996017 sur OpenAlexaff
Keith B. Tierney, David A. Patterson, Christopher J. Kennedy

Notice bibliographique

RevueJournal of Fish Biology · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensFisheries and Oceans CanadaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésOncorhynchusBiologyOffspringJuvenileSpawn (biology)HatchingSmoltificationPhysiological conditionZoologyAnimal scienceSalmonidaePhysiologyEcologyFisheryPregnancyFish <Actinopterygii>Rainbow trout

Résumé

récupéré en direct d'OpenAlex

Eggs were taken from adult sockeye salmon Oncorhynchus nerka that had reached their journey's end in spawn-ready and moribund condition, and fertilized by healthy males. Egg number, size, hatching success and offspring growth did not differ with maternal condition, which suggests the absence of any persisting physiological maternal effects. Differences were noted in the swimming behaviour and physiology of the offspring at parr stage. In a 30 min schooling test conducted using groups of five in a flume, parr from moribund females were more likely to fatigue, were not as tightly schooled, and had a diminished startle response, both in the per cent responding and the burst distance. In individual, confined swimming tests conducted within a tube, post-exercise plasma lactate concentration, which is an indicator of white muscle use, was greater for parr from moribund adult females. The moribund females also had elevated lactate following exercise (their migration), which suggests heritable differences may exist in muscle use. This study shows that juvenile O. nerka artificially propagated from females exhausted by their return migration can exhibit swimming performance differences, indicating that maternal condition may need to be considered in breeding programmes.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,006
Tête enseignante GPT0,225
Écart entre enseignants0,220 · 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

Citations31
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetFish Ecology and Management StudiesTravaux en français237 207