Testing the predictions of energy allocation decisions in the evolution of life‐history trade‐offs
Notice bibliographique
Résumé
Summary Allocating a greater amount of limited resources, such as energy, to current reproduction can reduce the amount of energy available for somatic maintenance and can ultimately impair future breeding success or maternal survival (i.e. cost of reproduction hypothesis). Although there is some support for the cost of reproduction hypothesis in birds, few empirical studies of mammals have demonstrated a trade‐off between current and future reproduction. More importantly, most studies testing ultimate costs have neglected to confirm that the proximate costs of reproduction are high. We experimentally manipulated litter size in a wild population of Columbian ground squirrels for 2 years to examine both the proximate energetic and ultimate fitness (i.e. survival and breeding) costs of reproduction. We predicted that females raising augmented litters would have the highest rates of daily energy expenditure and as a result would experience lower survival rates or future fecundity. Females raising augmented litters weaned more pups, had the highest litter masses at weaning, and had field metabolic rates that were almost 1·5 times greater than females raising control or reduced litters. Contrary to our prediction, there were no negative impacts of greater maternal investment and higher energy expenditure on the probability of maternal survival or future reproduction. Pups from augmented litters grew more slowly during the lactation period were smaller at weaning and had a lower probability of survival over‐winter. Thus, although females were capable of raising more young than they gave birth to without short‐term costs of reduced survival or fecundity, our observations suggest that limitations to litter size are not due to a trade‐off in the allocation of energy, but rather due to the reduced survival of offspring from larger litters. Examining the proximate mechanisms hypothesized to underlie life‐history trade‐offs can be challenging but is critical for a comprehensive understanding of the evolution of life histories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».