MétaCan
Menu
← Retour à la cohorte
Enregistrement W2333743025 · doi:10.1139/cjfas-2015-0429

Physiological basis of metabolic trade-offs between growth and performance among different strains of rainbow trout

2016· article· en· W2333743025 sur OpenAlexaffvenue
David Allen, Jordan S. Rosenfeld, Jeffrey G. Richards

Notice bibliographique

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFish Ecology and Management Studies
Établissements canadiensMinistry of EnvironmentUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRainbow troutBiologyHatcheryTrade-offGrowth rateEcologyTroutZoologyAnimal scienceFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Adaptive trade-offs define the trait combinations that differentiate taxa and allow coexistence along environmental gradients. To understand the physiological trade-offs associated with growth, we examined relationships among metabolic rate, digestive capacity, tissue energy content, and growth in juveniles of three strains of rainbow trout (Oncorhynchus mykiss) that differ in growth. Fish were reared under satiation, 1% of body mass per day, and complete food deprivation treatments to assess differences in performance and adaptive trade-offs along a gradient of resource availability. The fast-growing hatchery strain had higher standard metabolic rate (SMR), lower aerobic scope, and potentially lower maximum metabolic rates, suggesting that high growth trades off against a reduced capacity to do metabolic work. Trout with high growth rates also generally had larger gastrointestinal tracts, maximum food consumption, and growth efficiency. Results demonstrate (i) higher SMR of fast growers appears to be related to a greater investment in high-maintenance digestive tissue that supports rapid growth; (ii) growth appears to trade off against active metabolism; and (iii) selection on growth involves a suite of integrated physiological and anatomical traits that are affected by both genotype and environment (ration).

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
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 recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,200
Écart entre enseignants0,179 · 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'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

Citations43
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Fisheries and Aquatic Sciences→Même sujetFish Ecology and Management Studies→Travaux en français237 207→