Evolutionary escalation: the bat–moth arms race
Notice bibliographique
Résumé
Echolocation in bats and high-frequency hearing in their insect prey make bats and insects an ideal system for studying the sensory ecology and neuroethology of predator-prey interactions. Here, we review the evolutionary history of bats and eared insects, focusing on the insect order Lepidoptera, and consider the evidence for antipredator adaptations and predator counter-adaptations. Ears evolved in a remarkable number of body locations across insects, with the original selection pressure for ears differing between groups. Although cause and effect are difficult to determine, correlations between hearing and life history strategies in moths provide evidence for how these two variables influence each other. We consider life history variables such as size, sex, circadian and seasonal activity patterns, geographic range and the composition of sympatric bat communities. We also review hypotheses on the neural basis for anti-predator behaviours (such as evasive flight and sound production) in moths. It is assumed that these prey adaptations would select for counter-adaptations in predatory bats. We suggest two levels of support for classifying bat traits as counter-adaptations: traits that allow bats to eat more eared prey than expected based on their availability in the environment provide a low level of support for counter-adaptations, whereas traits that have no other plausible explanation for their origination and maintenance than capturing defended prey constitute a high level of support. Specific predator counter-adaptations include calling at frequencies outside the sensitivity range of most eared prey, changing the pattern and frequency of echolocation calls during prey pursuit, and quiet, or 'stealth', echolocation.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».