Using text-mined trait data to test for cooperate-and-radiate co-evolution between ants and plants
Notice bibliographique
Résumé
Mutualisms may be "key innovations" that spur lineage diversification by augmenting niche breadth, geographic range, or population size, thereby increasing speciation rates or decreasing extinction rates. Whether mutualism accelerates diversification in both interacting lineages is an open question. Research suggests that plants that attract ant mutualists have higher diversification rates than non-ant associated lineages. We ask whether the reciprocal is true: does the interaction between ants and plants also accelerate diversification in ants, i.e. do ants and plants cooperate-and-radiate? We used a novel text-mining approach to determine which ant species associate with plants in defensive or seed dispersal mutualisms. We investigated patterns of lineage diversification across a recent ant phylogeny using BiSSE, BAMM, and HiSSE models. Ants that associate mutualistically with plants had elevated diversification rates compared to non-mutualistic ants in the BiSSE model, with a similar trend in BAMM, suggesting ants and plants cooperate-and-radiate. However, the best-fitting model was a HiSSE model with a hidden state, meaning that diversification models that do not account for unmeasured traits are inappropriate to assess the relationship between mutualism and ant diversification. Against a backdrop of diversification rate heterogeneity, the best-fitting HiSSE model found that mutualism actually decreases diversification: mutualism evolved much more frequently in rapidly diversifying ant lineages, but then subsequently slowed diversification. Thus, it appears that ant lineages first radiated, then cooperated with plants.
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 | 0,000 |
| 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) | 0,000 | 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 ».