MétaCan
Menu
Retour à la cohorte
Enregistrement W2620552682 · doi:10.1242/jeb.135137

Mechanisms underlying the control of responses to predator odours in aquatic prey

2017· review· en· W2620552682 sur OpenAlexafffund
Matthew D. Mitchell, Kevin R. Bairos‐Novak, Maud C. O. Ferrari

Notice bibliographique

RevueJournal of Experimental Biology · 2017
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésPredatorPredationBiologyEcologySensory cueALARMNeuroscience

Résumé

récupéré en direct d'OpenAlex

In aquatic systems, chemical cues are a major source of information through which animals are able to assess the current state of their environment to gain information about local predation risk. Prey use chemicals released by predators (including cues from a predator's diet) and other prey (such as alarm cues and disturbance cues) to mediate a range of behavioural, morphological and life-history antipredator defences. Despite the wealth of knowledge on the ecology of antipredator defences, we know surprisingly little about the physiological mechanisms that control the expression of these defensive traits. Here, we summarise the current literature on the mechanisms known to specifically mediate responses to predator odours, including dietary cues. Interestingly, these studies suggest that independent pathways may control predator-specific responses, highlighting the need for greater focus on predator-derived cues when looking at the mechanistic control of responses. Thus, we urge researchers to tease apart the effects of predator-specific cues (i.e. chemicals representing a predator's identity) from those of diet-mediated cues (i.e. chemicals released from a predator's diet), which are known to mediate different ecological endpoints. Finally, we suggest some key areas of research that would greatly benefit from a more mechanistic approach.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,196
Tête enseignante GPT0,408
Écart entre enseignants0,212 · 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'étudeSans objet
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

Citations105
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental BiologyMême sujetAnimal Behavior and ReproductionTravaux en français237 207