MétaCan
Menu
← Retour à la cohorte
Enregistrement W3043192278 · doi:10.1038/s41598-020-68497-y

Species traits predict the aryl hydrocarbon receptor 1 (AHR1) subtypes responsible for dioxin sensitivity in birds

2020· article· en· W3043192278 sur OpenAlexafffund
Kristin Bianchini, Christy A. Morrissey

Notice bibliographique

RevueScientific Reports · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Ecology and Conservation
Établissements canadiensUniversity of SaskatchewanAcadia UniversityBirds Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Saskatchewan
Mots-clésAryl hydrocarbon receptorPhylogenetic treeBiologyHabitatTraitPhylogeneticsZoologyEcologyEvolutionary biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Differences in avian sensitivity to dioxin-like compounds (DLCs) are directly attributable to the identities of amino acids at two sites within the ligand binding domain (LBD) of the aryl hydrocarbon receptor 1 (AHR1). Recent work suggests that by influencing avian exposure to naturally occurring dioxins, differences in diet, habitat, and migration may have influenced the evolution of three AHR1 LBD genotypes in birds: type 1 (high sensitivity), type 2 (moderate sensitivity), and type 3 (low sensitivity). Using a boosted regression tree (BRT) analysis, we built on previous work by examining the relationship between a comprehensive set of 17 species traits, phylogeny, and the AHR1 LBD across 89 avian species. The 17 traits explained a combined 74% of the model deviance, while phylogenetic relatedness explained only 26%. The strongest predictors of AHR1 LBD were incubation period and habitat type. We found that type 3 birds tended to occupy aquatic habitats, and, uniquely, we also found that type 3 birds tended to have slower developmental rates. We speculate that this reflects higher evolutionary exposure to naturally occurring dioxins in waterbirds and species with K-selected life histories. This study highlights the value of trait-based approaches in helping to understand differing avian species sensitivities to environmental contaminants.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,213
Écart entre enseignants0,196 · 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

Citations14
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetWildlife Ecology and Conservation→Travaux en français237 207→