Exploring the Impacts of Methylmercury‐Induced Behavioral Alterations in Larval Yellow Perch in Lake Michigan Using an Individual‐Based Model
Notice bibliographique
Résumé
Abstract The inclusion of sublethal behavioral effects in population models has predicted lower estimates of cohort abundance and survival. Methylmercury, a persistent contaminant in the Great Lakes, has been shown to alter foraging and predator avoidance behaviors of larval Yellow Perch Perca flavescens, which may have indirect effects on recruitment. Poor recruitment of Yellow Perch in Lake Michigan has been associated with changes in trophic structure and adverse habitat conditions, but the potential effects of contaminants have not been fully explored. To test this, we adapted existing larval fish individual‐based models to incorporate laboratory‐derived methylmercury behavioral impairments on a larval Yellow Perch cohort in Lake Michigan. Overall, swimming speed reductions following methylmercury exposure did not drastically affect cohort survival. In contrast, the impairment to prey capture success resulted in an additional 8, 45, and 28% starvation of the cohort in simulations with tissue concentrations of 0.21, 0.95, and 3.14 μg/g total mercury whole‐embryo wet weight, respectively. While our experimental methylmercury concentrations were higher than those typically found in Lake Michigan, our findings suggest that contaminants could be an additional factor impacting recruitment of Yellow Perch in systems highly contaminated with mercury.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».