MétaCan
Menu
Retour à la cohorte
Enregistrement W2884679663 · doi:10.1111/jbi.13410

Patterns and drivers of species diversity in the Indo‐Pacific red seaweed <i>Portieria</i>

2018· article· en· W2884679663 sur OpenAlexafffund
Frédérik Leliaert, Dioli Ann Payo, Carlos Frederico D. Gurgel, Tom Schils, Stefano G. A. Draisma, Gary W. Saunders, Mitsunobu Kamiya, Alison R. Sherwood, Showe‐Mei Lin, John M. Huisman, Line Le Gall, Robert J. Anderson, John J. Bolton, Lydiane Mattio, Mayalen Zubia, Tracey M. Spokes, Christophe Vieira, Claude Payri, Eric Coppejans, Sofie D’hondt, Heroen Verbruggen, Olivier De Clerck

Notice bibliographique

RevueJournal of Biogeography · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal plant biology
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesAustralian Biological Resources StudyAustralian Research CouncilNatural Sciences and Engineering Research Council of CanadaThailand Research FundAgence Nationale de la RechercheVlaamse Interuniversitaire RaadConselho Nacional de Desenvolvimento Científico e TecnológicoNational Science Foundation, United Arab EmiratesNational Research FoundationWorld Wildlife Fund
Mots-clésBiological dispersalEcologyBiologyIndo-PacificSpecies richnessBiogeographyArchipelagoRange (aeronautics)BiodiversityGenetic diversityBiodiversity hotspotPopulation

Résumé

récupéré en direct d'OpenAlex

Abstract Aim Biogeographical processes underlying Indo‐Pacific biodiversity patterns have been relatively well studied in marine shallow water invertebrates and fishes, but have been explored much less extensively in seaweeds, despite these organisms often displaying markedly different patterns. Using the marine red alga Portieria as a model, we aim to gain understanding of the evolutionary processes generating seaweed biogeographical patterns. Our results will be evaluated and compared with known patterns and processes in animals. Location Indo‐Pacific marine region. Methods Species diversity estimates were inferred using DNA ‐based species delimitation methods. Historical biogeographical patterns were inferred based on a six‐gene time‐calibrated phylogeny, distribution data of 802 specimens, and probabilistic modelling of geographical range evolution. The importance of geographical isolation for speciation was further evaluated by population genetic analyses at the intraspecific level. Results We delimited 92 candidate species, most with restricted distributions, suggesting low dispersal capacity. Highest species diversity was found in the Indo‐Malay Archipelago ( IMA ). Our phylogeny indicates that Portieria originated during the late Cretaceous in the area that is now the Central Indo‐Pacific. The biogeographical history of Portieria includes repeated dispersal events to peripheral regions, followed by long‐term persistence and diversification of lineages within those regions, and limited dispersal back to the IMA . Main conclusions Our results suggest that the long geological history of the IMA played an important role in shaping Portieria diversity. High species richness in the IMA resulted from a combination of speciation at small spatial scales, possibly as a result of increased regional habitat diversity from the Eocene onwards, and species accumulation via dispersal and/or island integration through tectonic movement. Our results are consistent with the biodiversity feedback model, in which biodiversity hotspots act as both “centres of origin” and “centres of accumulation,” and corroborate previous findings for invertebrates and fish that there is no single unifying model explaining the biological diversity within the IMA .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 seuil0,570

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,183
Écart entre enseignants0,169 · 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 tête enseignante, 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

Citations52
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of BiogeographyMême sujetMarine and coastal plant biologyTravaux en français237 207