MétaCan
Menu
Retour à la cohorte
Enregistrement W2742867007 · doi:10.1111/jfb.13368

Variation in stable‐isotope ratios between fin and muscle tissues can alter assessment of resource use in tropical river fishes

2017· article· en· W2742867007 sur OpenAlexaff
Brian Hayden, Sampan Tongnunui, F. W. H. Beamish, Patchara Nithirojpakdee, Richard A. Cunjak

Notice bibliographique

RevueJournal of Fish Biology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesThailand Research Fund
Mots-clésBiologyMuscle tissueFish <Actinopterygii>Resource useStable isotope ratioFish finResource (disambiguation)IsotopeFinVariation (astronomy)EcologyZoologyFisheryAnatomyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Carbon and nitrogen stable‐isotope ratios were compared of fin and muscle tissue from 15 fish species collected from seven headwater rivers in eastern and western Thailand. In addition, two‐source stable‐isotope mixing models were used to derive estimates of each fish's reliance on allochthonous and autochthonous energy based on fin and muscle tissues. Across the dataset, fish fin was enriched in 13C relative to muscle by c. 1·5‰. Variation in δ15N between tissues was below statistically significant levels. Estimates of autochthonous resource use calculated from fin tissue were on average 15% greater than those calculated from muscle. Linear mixed‐effects models indicated that inter‐tissue variation in estimates of resource use was predominantly related to inter‐tissue variation in δ13C. Fish fin is a credible and desirable alternative to tissues such as muscle or liver which require destructive sampling of fishes. Care must be taken, however, when estimating resource use or interpreting previous estimates of resource use derived from different tissues.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,022
Tête enseignante GPT0,287
Écart entre enseignants0,265 · 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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fish BiologyMême sujetIsotope Analysis in EcologyTravaux en français237 207