MétaCan
Menu
Retour à la cohorte
Enregistrement W2142420425

Social versus genetic measures of reproductive success in sockeye salmon, Oncorhynchus nerka

2004· article· en· W2142420425 sur OpenAlexaff
Ladan Mehranvar, M. C. Healey, Anthony P. Farrell, Scott G. Hinch

Notice bibliographique

RevueEvolutionary ecology research · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyReproductive successOncorhynchusOffspringSpawn (biology)DemographyZoologySemelparity and iteroparityLongevityEcologyReproductionFish <Actinopterygii>FisheryPopulationGeneticsPregnancy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, we assess the relationship between behavioural (social) and genetic mating success in sockeye salmon (Oncorhynchus nerka) and the frequency of multiple genetic partnering in both sexes. We introduced groups of 13 ripe adults (7 males, 6 females) into four spawning arenas in the Weaver Creek spawning channel, British Columbia, and monitored their behaviour until spawning was complete. Genetic fingerprints of adults and offspring were determined with microsatellites. Both males and females spawned with up to four different partners. Only 4 of 24 females mated predominantly with a single male. Behavioural measures of reproductive success in males (social dominance, time as consort, number of female partners) were strongly correlated with genetic reproductive success (proportion of offspring sired and number of females mated with) but explained only 33–40% of the variance in reproductive success. Only longevity (spawning life index) was correlated with indices of female reproductive success. Behaviour provides a practical means to assess reproductive success in males but will underestimate the reproductive success of some subordinate males. Female reproductive success is more difficult to assess, because most females spawn all their eggs and there are no obvious behavioural or genetic attributes that can be used as indices of success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,039
Score d'incertitude au seuil0,890

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
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 Opus0,067
Tête enseignante GPT0,343
Écart entre enseignants0,276 · 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 tête enseignante, 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

Citations18
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvolutionary ecology researchMême sujetFish Ecology and Management StudiesTravaux en français237 207