MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035861164 · doi:10.1038/s41598-020-66525-5

Dimorphic flowers modify the visitation order of pollinators from male to female flowers

2020· article· en· W3035861164 sur OpenAlexfundno aff
Kaoru Tsuji, Kazuya Kobayashi, Eisuke Hasegawa, Jin Yoshimura

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsJapan Society for the Promotion of Science
Mots-clésSexual dimorphismPollinatorBiologyPollenDioecyPollinationJaponicaEcologyZoologyBotany

Résumé

récupéré en direct d'OpenAlex

Sexual dimorphism is a pervasive form of variation within species. Understanding how and why sexual dimorphism evolves would contribute to elucidating the mechanisms underlying the diversification of traits. In flowering plants, pollinators are considered a driver of sexual dimorphism when they affect female and male plant fitness in distinct ways. Here, we found that flowers appear to manipulate the behavior of pollinators using sexually dimorphic traits in the dioecious tree Eurya japonica. In this plant, female flowers present a higher-quality reward for pollinators, whereas male flowers have a more conspicuous appearance. Plants benefit by inducing pollinators to carry pollen from male to female flowers, and their sexual dimorphism might thus facilitate pollen movement through pollinator behavior. In two-choice experiments, pollinators frequently moved from male to female flowers, whereas computer simulation suggested that sexually dimorphic traits would evolve if pollinators changed behavior depending on the traits of the flowers they had just visited. These results suggest that the floral traits affecting the visiting order of pollinators have evolved in plants. Using E. japonica, we theoretically show that the induction of sequential behavior in pollinators might be crucial to the evolution of sexual dimorphism in flowers, and our experiments support these findings.

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,042
Tête enseignante GPT0,217
Écart entre enseignants0,175 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetPlant and animal studies→Travaux en français237 207→