Applying modern coexistence theory to priority effects
Notice bibliographique
Résumé
Modern coexistence theory is increasingly used to explain how differences between competing species lead to coexistence versus competitive exclusion. Although research testing this theory has focused on deterministic cases of competitive exclusion, in which the same species always wins, mounting evidence suggests that competitive exclusion is often historically contingent, such that whichever species happens to arrive first excludes the other. Coexistence theory predicts that historically contingent exclusion, known as priority effects, will occur when large destabilizing differences (positive frequency-dependent growth rates of competitors), combined with small fitness differences (differences in competitors' intrinsic growth rates and sensitivity to competition), create conditions under which neither species can invade an established population of its competitor. Here we extend the empirical application of modern coexistence theory to determine the conditions that promote priority effects. We conducted pairwise invasion tests with four strains of nectar-colonizing yeasts to determine how the destabilizing and fitness differences that drive priority effects are altered by two abiotic factors characterizing the nectar environment: sugar concentration and pH. We found that higher sugar concentrations increased the likelihood of priority effects by reducing fitness differences between competing species. In contrast, higher pH did not change the likelihood of priority effects, but instead made competition more neutral by bringing both fitness differences and destabilizing differences closer to zero. This study demonstrates how the empirical partitioning of priority effects into fitness and destabilizing components can elucidate the pathways through which environmental conditions shape competitive interactions.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».