MétaCan
Menu
Retour à la cohorte
Enregistrement W2967191823 · doi:10.1002/ajb2.1338

Damage to leaf veins suppresses root foraging precision

2019· article· en· W2967191823 sur OpenAlexaff
Akira Yamawo, Haruna Ohsaki, James F. Cahill

Notice bibliographique

RevueAmerican Journal of Botany · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSeedling growth and survival studies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesJapan Society for the Promotion of Science
Mots-clésBiologyForagingBotanyRoot (linguistics)Ecology

Résumé

récupéré en direct d'OpenAlex

PREMISE: Plants generally increase root growth in areas with high nutrients in heterogeneous soils, a phenomenon called foraging precision. The physiology of this process is not well understood, but it may involve shoot-root signaling via leaf veins. If this is true, then damage to leaf veins, but not to nearby mesophyll, would reduce plant foraging precision. METHODS: To test this hypothesis, we imposed two leaf damage treatments on Plantago asiatica and Prunus jamasakura, removing either the tip of each main vein or mesophyll tissue between the veins with a 3-mm-diameter hole punch. After 30 days or 20 weeks of plant growth, we measured root biomass in the soil in response to soil nutrient concentration. RESULTS: When leaf mesophyll was damaged, root biomass of both species was greater in nutrient-rich patches than in nutrient-poor patches. However, when leaf veins were damaged, root biomass was similar between patches. CONCLUSIONS: These results suggest the importance of shoot-root signaling in plants, emphasizing that physiological processes are not necessarily restricted to single organs. The idea that herbivores that damage leaf veins may affect a plant's ability to selectively forage in high-nutrient patches is novel, with implications for natural and managed systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,230
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of BotanyMême sujetSeedling growth and survival studiesTravaux en français237 207