Trade‐off mitigation: a conceptual framework for understanding floral adaptation in multispecies interactions
Notice bibliographique
Résumé
Explanations of floral adaptation to diverse pollinator faunas have often invoked visitor-mediated trade-offs in which no intermediate, generalized floral phenotype is optimal for pollination success, i.e. fitness valleys are created. In such cases, plant species are expected to specialize on particular groups of flower visitors. Contrary to this expectation, it is commonly observed that flowers interact with various groups of visitors, while at the same time maintaining distinct phenotypes among ecotypes, subspecies, or congeners. This apparent paradox may be due to a gap in our understanding of how visitor-mediated trade-offs could affect floral adaptation. Here we provide a conceptual framework for analysing visitor-mediated trade-offs with the hope of stimulating empirical and theoretical studies to fill this gap. We propose two types of visitor-mediated trade-offs to address negative correlations among fitness contributions of different visitors: visitor-mediated phenotypic trade-offs (phenotypic trade-offs) and visitor-mediated opportunity trade-offs (opportunity trade-offs). Phenotypic trade-offs occur when different groups of visitors impose conflicting selection pressures on a floral trait. By contrast, opportunity trade-offs emerge only when some visitors' actions (e.g. pollen collection) remove opportunities for fitness contribution by more beneficial visitors. Previous studies have observed disruptive selection due to phenotypic trade-offs less often than expected. In addition to existing explanations, we propose that some flowers have achieved 'adaptive generalization' by evolving features to avoid or eliminate the fitness valleys that phenotypic trade-offs tend to produce. The literature suggests a variety of pathways to such 'trade-off mitigation'. Trade-off mitigation may also evolve as an adaptation to opportunity trade-offs. We argue that active exclusion, or floral specialization, can be viewed as a trade-off mitigation, occurring only when flowers cannot otherwise avoid strong opportunity trade-offs. These considerations suggest that an evolutionary strategy for trade-off mitigation is achieved often by acquiring novel combinations of traits. Thus, phenotypic diversification of flowers through convergent evolution of certain trait combinations may have been enhanced not only through adaptive specialization for particular visitors, but also through adaptive generalization for particular visitor communities. Explorations of how visitor-mediated trade-offs explain the recurrent patterns of floral phenotypes may help reconcile the long-lasting controversy on the validity of pollination syndromes.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».