MétaCan
Menu
Retour à la cohorte
Enregistrement W2970023557 · doi:10.1002/ecy.2874

Intraguild predation enables coexistence of competing phytoplankton in a well‐mixed water column

2019· article· en· W2970023557 sur OpenAlexaff
Holly V. Moeller, Michael G. Neubert, Matthew D. Johnson

Notice bibliographique

RevueEcology · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesInstitute for Collaborative BiotechnologiesSimons Foundation Autism Research InitiativeWoods Hole Oceanographic InstitutionArmy Research OfficeSimons FoundationNational Science Foundation
Mots-clésIntraguild predationPhototrophCompetition (biology)EcologyPredationLimitingEcosystemCompetitive exclusionBiologyResource (disambiguation)PhytoplanktonMixotrophInterspecific competitionHeterotrophPredatorPhotosynthesisNutrient

Résumé

récupéré en direct d'OpenAlex

Resource competition theory predicts that when two species compete for a single, finite resource, the better competitor should exclude the other. However, in some cases, weaker competitors can persist through intraguild predation, that is, by eating their stronger competitor. Mixotrophs, species that meet their carbon demand by combining photosynthesis and phagotrophic heterotrophy, may function as intraguild predators when they consume the phototrophs with which they compete for light. Thus, theory predicts that mixotrophy may allow for coexistence of two species on a single limiting resource. We tested this prediction by developing a new mathematical model for a unicellular mixotroph and phytoplankter that compete for light, and comparing the model's predictions with a laboratory experimental system. We find that, like other intraguild predators, mixotrophs can persist when an ecosystem is sufficiently productive (i.e., the supply of the limiting resource, light, is relatively high), or when species interactions are strong (i.e., attack rates and conversion efficiencies are high). Both our mathematical and laboratory models show that, depending upon the environment and species traits, a variety of equilibrium outcomes, ranging from competitive exclusion to coexistence, are possible.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,060
Score d'incertitude au seuil0,995

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)0,0060,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,183
Écart entre enseignants0,176 · 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.

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

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcologyMême sujetMarine and coastal ecosystemsTravaux en français237 207