MétaCan
Menu
Retour à la cohorte
Enregistrement W2136173947 · doi:10.1371/journal.pone.0095495

Dynamics of Social Behavior in Fruit Fly Larvae

2014· article· en· W2136173947 sur OpenAlexafffund
Zachary Durisko, Rebecca Kemp, Rameeshay Mubasher, Reuven Dukas

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueInsect behavior and control techniques
Établissements canadiensMcMaster UniversityCentre for Addiction and Mental Health
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcMaster UniversityOntario Innovation Trust
Mots-clésLarvaForagingBurrowBiologyDrosophila melanogasterEcologyPopulationPupaZoologySocial relationSocial evolutionExperimental evolutionEvolutionary biologyDemographyGenetics

Résumé

récupéré en direct d'OpenAlex

We quantified the extent and dynamics of social interactions among fruit fly larvae over time. Both a wild-type laboratory population and a recently-caught strain of larvae spontaneously formed social foraging groups. Levels of aggregation initially increased during larval development and then declined with the wandering stage before pupation. We show that larvae aggregated more on hard than soft food, and more at sites where we had previously broken the surface of the food. Groups of larvae initiated burrowing sooner than solitary individuals, indicating that one potential benefit of larval aggregations is an improved ability to dig and burrow into the food substrate. We also show that two closely related species, D. melanogaster and D. simulans, differ in their tendency to aggregate, which may reflect different evolutionary histories. Our protocol for quantifying social behavior in larvae uncovered robust social aggregations in this simple model, which is highly amenable to neurogenetic analyses, and can serve for future research into the mechanisms and evolution of social behavior.

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
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,032
Tête enseignante GPT0,223
Écart entre enseignants0,192 · 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

Citations79
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetInsect behavior and control techniquesTravaux en français237 207