Assessing changes in arthropod predator–prey interactions through <scp>DNA</scp>‐based gut content analysis—variable environment, stable diet
Notice bibliographique
Résumé
Analysing the structure and dynamics of biotic interaction networks and the processes shaping them is currently one of the key fields in ecology. In this paper, we develop a novel approach to gut content analysis, thereby deriving a new perspective on community interactions and their responses to environment. For this, we use an elevational gradient in the High Arctic, asking how the environment and species traits interact in shaping predator-prey interactions involving the wolf spider Pardosa glacialis. To characterize the community of potential prey available to this predator, we used pitfall trapping and vacuum sampling. To characterize the prey actually consumed, we applied molecular gut content analysis. Using joint species distribution models, we found elevation and vegetation mass to explain the most variance in the composition of the prey community locally available. However, such environmental variables had only a small effect on the prey community found in the spider's gut. These observations indicate that Pardosa exerts selective feeding on particular taxa irrespective of environmental constraints. By directly modelling the probability of predation based on gut content data, we found that neither trait matching in terms of predator and prey body size nor phylogenetic or environmental constraints modified interaction probability. Our results indicate that taxonomic identity may be more important for predator-prey interactions than environmental constraints or prey traits. The impact of environmental change on predator-prey interactions thus appears to be indirect and mediated by its imprint on the community of available prey.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,060 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».