Food‐limited mothers favour offspring quality over offspring number: a principal components approach
Notice bibliographique
Résumé
Summary Mothers are expected to balance the trade‐off between the number and quality of offspring, and many theoretical studies describe how the maternal environment might influence the evolution of the number–quality trade‐off. However, few empirical studies attempt to test these theories (and their assumptions) by measuring the fitness consequences of variation in investment per offspring. Part of the problem is that measuring offspring fitness is difficult, which frequently leads experimenters to measure several proxies of offspring fitness in place of a comprehensive fitness assay. This strategy tends to result in multiple univariate analyses that involve different offspring fitness proxies, and these tests can have low power and may produce conflicting conclusions. Here, we demonstrate the benefits of integrating maternal fecundity and proxies of offspring size and fitness into multivariate analyses to elucidate variation in reproductive allocation strategies. In a 2 × 2 factorial experiment, we manipulated the quality of maternal environment (food availability) throughout early and late adulthood (acute and chronic exposure to the maternal environment) in a field cricket. We developed a multivariate index of reproductive allocation by incorporating maternal fecundity and the performance of offspring in low‐ and high‐food environments into a principle components analysis. This index of reproductive allocation indicated that females decreased fecundity and increased offspring quality after chronic exposure to low‐food environments, thereby providing evidence of adaptive plasticity in investment per offspring. In contrast, few treatment effects were observed using univariate analyses. The present study demonstrates that multivariate analysis can increase our ability to assess the adaptive significance of reproductive strategies, particularly in situations when offspring size and fitness are difficult to measure with accuracy. Such an approach might ultimately help assess the adaptive significance of reproductive allocation across a wider range of taxa, thereby providing broader insight into the evolution of reproductive strategies.
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) | 0,001 | 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 tête enseignante, 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 ».