Variably hungry caterpillars: predictive models and foliar chemistry suggest how to eat a rainforest
Notice bibliographique
Résumé
A long-term goal in evolutionary ecology is to explain the incredible diversity of insect herbivores and patterns of host plant use in speciose groups like tropical Lepidoptera. Here, we used standardized food-web data, multigene phylogenies of both trophic levels and plant chemistry data to model interactions between Lepidoptera larvae (caterpillars) from two lineages (Geometridae and Pyraloidea) and plants in a species-rich lowland rainforest in New Guinea. Model parameters were used to make and test blind predictions for two hectares of an exhaustively sampled forest. For pyraloids, we relied on phylogeny alone and predicted 54% of species-level interactions, translating to 79% of all trophic links for individual insects, by sampling insects from only 15% of local woody plant diversity. The phylogenetic distribution of host-plant associations in polyphagous geometrids was less conserved, reducing accuracy. In a truly quantitative food web, only 40% of pair-wise interactions were described correctly in geometrids. Polyphenol oxidative activity (but not protein precipitation capacity) was important for understanding the occurrence of geometrids (but not pyraloids) across their hosts. When both foliar chemistry and plant phylogeny were included, we predicted geometrid-plant occurrence with 89% concordance. Such models help to test macroevolutionary hypotheses at the community level.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».