MétaCan
Menu
Retour à la cohorte
Enregistrement W4206464445 · doi:10.3389/fmars.2021.783759

Ability to Swim (Not Morphology or Environment) Explains Interspecific Differences in Crinoid Arm Regrowth

2022· article· en· W4206464445 sur OpenAlexafffund
Angela Stevenson, Tadhg C. Ó Corcora, Christopher D. G. Harley, Tomasz K. Baumiller

Notice bibliographique

RevueFrontiers in Marine Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésInterspecific competitionIntraspecific competitionBiologyRegeneration (biology)CrinoidFeatherEcologyZoologyMorphology (biology)

Résumé

récupéré en direct d'OpenAlex

Regrowth of body parts occurs in almost every phylum of the animal kingdom, but variation in this process across environmental, morphological, and behavioral gradients remains poorly understood. We examined regeneration patterns in feather stars – a group known for a wide range of morphologies and behaviors and up to a forty-fold difference in arm regeneration rates – and found that the variation in arm regeneration rates is best explained by swimming ability, not temperature, food supply, morphology (total number of arms and number of regenerating arms), or degree of injury. However, there were significant interactive effects of morphology on rates of regeneration of the main effect (swimming ability). Notably, swimmers grew up to three-fold faster than non-swimmers. The temperate feather star Florometra serratissima regenerated faster under warmer scenarios, but its rates fell within that of the tropical species suggesting temperature can account for intraspecific but not interspecific differences. We urge comparative molecular investigations of crinoid regeneration to identify the mechanisms responsible for the observed interspecific differences, and potentially address gaps in stem cell research.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
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 Opus0,022
Tête enseignante GPT0,224
Écart entre enseignants0,202 · 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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetPhysiological and biochemical adaptationsTravaux en français237 207