Personality profiling may help select better cleaner fish for sea-lice control in salmon farming
Notice bibliographique
Résumé
Abstract Lumpfish ( Cyclopterus lumpus ) are increasingly being used as cleaner fish to control parasitic sea-lice in salmon farming, but cleaning rates are very variable and not all individuals eat sea-lice, which increases the risk of emaciation and has ethical and practical implications. Selecting good cleaners is a priority to make the industry more sustainable, but there is little information on what behaviours make cleaner fish effective under a commercial setting. We examined variation in lumpfish personalities according to the five-factor personality model that takes into account differences in activity, anxiety (shelter use, thigmotaxis), aggression, sociality, and boldness (neophobia). We then quantified how variation in lumpfish personalities influenced interactions with naïve Atlantic salmon ( Salmo salar ), without the confounding effects of variation in sea-lice loads. Variation in activity, sociality, aggression and neophobia, but not in anxiety, was repeatable, which is consistent with a heritable basis. Neophilic, non-aggressive lumpfish spent more time inspecting salmon than neophobic and aggressive individuals, but salmon fled in the presence of the most active and social individuals, suggesting there may be an optimal cleaner fish personality amenable to artificial selection. The personality screening protocols developed in this study could inform a more efficient use of cleaner fish in salmon farming and reduce the number of individuals required to control sea-lice.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».