MétaCan
Menu
Retour à la cohorte
Enregistrement W2162697244 · doi:10.1111/gcb.12291

Impaired learning of predators and lower prey survival under elevated <scp><scp>CO<sub>2</sub></scp></scp>: a consequence of neurotransmitter interference

2013· article· en· W2162697244 sur OpenAlexafffund
Douglas P. Chivers, Mark I. McCormick, Göran Nilsson, Philip L. Munday, Sue‐Ann Watson, Mark G. Meekan, Matthew D. Mitchell, Katherine C. Corkill, Maud C. O. Ferrari

Notice bibliographique

RevueGlobal Change Biology · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCentre of Excellence for Coral Reef Studies, Australian Research CouncilAustralian Research CouncilNatural Sciences and Engineering Research Council of Canada
Mots-clésNeurotransmitterPredationNeurotransmitter receptorBiologyDamselfishPopulationEcologyNeuroscienceReceptorMedicineBiochemistryCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Ocean acidification is one of the most pressing environmental concerns of our time, and not surprisingly, we have seen a recent explosion of research into the physiological impacts and ecological consequences of changes in ocean chemistry. We are gaining considerable insights from this work, but further advances require greater integration across disciplines. Here, we showed that projected near-future CO2 levels impaired the ability of damselfish to learn the identity of predators. These effects stem from impaired neurotransmitter function; impaired learning under elevated CO2 was reversed when fish were treated with gabazine, an antagonist of the GABA-A receptor - a major inhibitory neurotransmitter receptor in the brain of vertebrates. The effects of CO2 on learning and the link to neurotransmitter interference were manifested as major differences in survival for fish released into the wild. Lower survival under elevated CO2 , as a result of impaired learning, could have a major influence on population recruitment.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,244
Écart entre enseignants0,215 · 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'étudeExpérimental (laboratoire)
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

Citations197
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Change BiologyMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207