Stoichiometric traits of stickleback: Effects of genetic background, rearing environment, and ontogeny
Notice bibliographique
Résumé
Phenotypes can both evolve in response to, and affect, ecosystem change, but few examples of diverging ecosystem-effect traits have been investigated. Bony armor traits of fish are good candidates for this because they evolve rapidly in some freshwater fish populations, and bone is phosphorus rich and likely to affect nutrient recycling in aquatic ecosystems. Here, we explore how ontogeny, rearing environment, and bone allocation among body parts affect the stoichiometric phenotype (i.e., stoichiometric composition of bodies and excretion) of threespine stickleback. We use two populations from distinct freshwater lineages with contrasting lateral plating phenotypes (full vs. low plating) and their hybrids, which are mostly fully plated. We found that ontogeny, rearing environment, and body condition were the most important predictors of organismal stoichiometry. Although elemental composition was similar between both populations and their hybrids, we found significant divergence in phosphorus allocation among body parts and in phosphorus excretion rates. Overall, body armor differences did not explain variation in whole body phosphorus, phosphorus allocation, or phosphorus excretion. Evolutionary divergence between these lineages in both allocation and excretion is likely to have important direct consequences for ecosystems, but may be mediated by evolution of multiple morphological or physiological traits beyond plating phenotype.
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 | 0,001 |
| 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) | 0,000 | 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 ».