MétaCan
Menu
Retour à la cohorte
Enregistrement W2321603592 · doi:10.1021/jf500521w

Secondary Compounds in Floral Rewards of Toxic Rangeland Plants: Impacts on Pollinators

2014· review· en· W2321603592 sur OpenAlexaff
Rebecca E. Irwin, Daniel Cook, Leif L. Richardson, Jessamyn S. Manson, Dale R. Gardner

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2014
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Science Foundation
Mots-clésPollinatorNectarPollinationPollenBiologyZoophilyHerbivoreGeneralist and specialist speciesPollen sourceRangelandPlant reproductionEcologyBotanyHabitat

Résumé

récupéré en direct d'OpenAlex

The study of plant secondary chemistry has been essential in understanding plant consumption by herbivores. There is growing evidence that secondary compounds also occur in floral rewards, including nectar and pollen. Many pollinators are generalist nectar and pollen foragers and thus are exposed to an array of secondary compounds in their diet. This review documents secondary compounds in the nectar or pollen of poisonous rangeland plants of the western United States and the effects of these compounds on the behavior, performance, and survival of pollinators. Furthermore, the biochemical, physiological, and behavioral mechanisms by which pollinators cope with secondary compound consumption are discussed, drawing parallels between pollinators and herbivores. Finally, three avenues of future research on floral reward chemistry are proposed. Given that the majority of flowering plants require animals for pollination, understanding how floral reward chemistry affects pollinators has implications for plant reproduction in agricultural and rangeland habitats.

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)0,000
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,908
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,237
Écart entre enseignants0,203 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations100
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPlant and animal studiesTravaux en français237 207