MétaCan
Menu
Retour à la cohorte
Enregistrement W4243531586 · doi:10.1079/9781789242171.0010

EICA 2.0: a general model of enemy release and defence in plant and animal invasions.

2020· book-chapter· en· W4243531586 sur OpenAlex
Richard Honor, Robert L. Colautti

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCABI eBooks · 2020
Typebook-chapter
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésHerbivoreBiologyAdversaryEcologyPredationNatural enemiesNatural (archaeology)Computer science

Résumé

récupéré en direct d'OpenAlex

Plants and animals have evolved a variety of strategies to limit the negative fitness consequences of natural enemies (i.e. herbivores, predators, parasites and pathogens). Demographic bottlenecks occurring during the invasion process reduce the number of co-introduced natural enemies, providing opportunities to study rapid evolution in environments with different or reduced enemy loads. Enemy release theory provides a set of hypotheses and predictions about the role of natural enemies in the proliferation of invasive species. This body of theory includes the Enemy Release Hypothesis (ERH) and the related Evolution of Increased Competitive Ability Hypothesis (EICA), but there is often confusion about these hypotheses and the data needed to test them. We introduce a simple, general model of enemy release to identify and clarify some of the key assumptions and predictions implicit in enemy release theory and its impacts on invasion. Although introduced populations likely benefit from a reduction in the direct fitness impacts of natural enemies in the early stages of invasion, an evolutionary shift in resource allocation from defence to growth and reproduction is much less likely and depends on a delicate balance between the fitness costs and benefits of defence and the fitness impacts of natural enemies in both the native and introduced ranges. Even when the abundance of natural enemies is lower in the introduced range, the majority of scenarios do not favour evolution of less defended genotypes that are more competitive or more fecund, contrary to predictions of EICA. Perhaps surprisingly, we find that the level of damage by natural enemies in field surveys is not generally a good parameter for testing enemy release theory. Instead, common garden experiments characterizing fitness reaction norms of multiple genotypes from the native and introduced range are crucial to estimate the historic rate of adaptive evolution or predict it into the future. Incorporating spatial autocorrelation and methods from population genetics can further improve our understanding of the role of enemy release and evolution in the proliferation of invasive 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,710
Score d'incertitude au seuil0,310

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,094
Tête enseignante GPT0,192
Écart entre enseignants0,097 · 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