MétaCan
Menu
Retour à la cohorte
Enregistrement W3198723268 · doi:10.1139/cjb-2020-0233

Surviving or thriving? Trade-offs between growth, defense, and reproduction in a native versus an invasive <i>Rubus</i>

2021· article· en· W3198723268 sur OpenAlexvenueno aff
Brady J. Thexton, Alex W. Bajcz

Notice bibliographique

RevueBotany · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologyRubusReproductionEcologyTrade-offLife history theoryBotanyLife history

Résumé

récupéré en direct d'OpenAlex

Little is known about limits to reproduction in plants, especially as to how their other life history functions (growth and defense) may constrain reproductive investment. Understanding these constraints can help researchers refine best practices for cultivating species like Rubus (Rosaceae) that produce nutritious fruits as well as for controlling invasive species. Here, we sought to elucidate potential trade-offs between growth, defense, and reproduction in native Rubus allegheniensis Porter (common blackberry) and invasive Rubus phoenicolasius Maxim. (wineberry) while accounting for the effects of varying insect herbivory and resource availability levels. We observed traits related to physical defense (e.g., prickle intensity), growth (e.g., cane length), and floral reproduction (e.g., ripe fruits), as well as carbon availability (e.g., canopy cover). We then used multiple regressions to characterize relationships between these variables for both species. We found potential evidence for 2 induced defenses in the invasive wineberry. Also, 5 models returned significant results indicative of trade-offs between reproduction and growth, reproduction and defense, and defense and growth in a single or both species. Our results highlight the importance of understanding the defensive strategies utilized by these species because inducible defenses may result in trade-offs that could reduce yields and (or) increase the invasive potential of Rubus species.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,072
Tête enseignante GPT0,283
Écart entre enseignants0,211 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBotanyMême sujetBerry genetics and cultivation researchTravaux en français237 207