Notice bibliographique
Résumé
Gastropod diversity is substantial in marine and freshwater habitats, and many aquatic slugs and snails use olfactory cues to guide their navigation behaviour. Examples include finding prey or avoiding predators based on kairomones, or finding potential mates using pheromones. Here, I review the diversity of navigational behaviours studied across the major aquatic taxa of gastropods. I then synthesize evidence for the different theoretical navigation strategies the animals may use. It is likely that gastropods regularly use either chemotaxis or odour-gated rheotaxis (or both) during olfactory-based navigation. Finally, I collate the patchwork of research conducted on relevant proximate mechanisms that could produce navigation behaviours. Although the tractability of several gastropod species for neurophysiological experimentation has generated some valuable insight into how turning behaviour is triggered by contact chemoreception, there remain many substantial gaps in our understanding for how navigation relative to more distant odour sources is controlled in gastropods. These gaps include little information on the chemoreceptors and mechanoreceptors (for detecting flow) found in the peripheral nervous system and the central (or peripheral) processing circuits that integrate that sensory input. In contrast, past studies do provide information on motor neurons that control the effectors that produce crawling (both forward locomotion and turning). Thus, there is plenty of scope for further research on olfactory-based navigation, exploiting the tractability of gastropods for neuroethology to better understand how the nervous system processes chemosensory input to generate movement towards or away from distant odour sources.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».