MétaCan
Menu
Retour à la cohorte
Enregistrement W4310938878 · doi:10.1111/ele.14138

Species divergence under competition and shared predation

2022· letter· en· W4310938878 sur OpenAlexafffund
Marius Roesti, Jeffrey S. Groh, Stephanie A. Blain, Magnus Huss, Peter Rassias, Daniel I. Bolnick, Yoel E. Stuart, Catherine L. Peichel, Dolph Schluter

Notice bibliographique

RevueEcology Letters · 2022
Typeletter
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and animal studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungJanggen-Pöhn-StiftungUniversity of Bern
Mots-clésSticklebackBiologyPredationSympatric speciationSculpinEcologyCharacter displacementSympatryCompetition (biology)GasterosteusTrophic levelFisheryFish <Actinopterygii>

Résumé

récupéré en direct d'OpenAlex

Species competing for resources also commonly share predators. While competition often drives divergence between species, the effects of shared predation are less understood. Theoretically, competing prey species could either diverge or evolve in the same direction under shared predation depending on the strength and symmetry of their interactions. We took an empirical approach to this question, comparing antipredator and trophic phenotypes between sympatric and allopatric populations of threespine stickleback and prickly sculpin fish that all live in the presence of a trout predator. We found divergence in antipredator traits between the species: in sympatry, antipredator adaptations were relatively increased in stickleback but decreased in sculpin. Shifts in feeding morphology, diet and habitat use were also divergent but driven primarily by stickleback evolution. Our results suggest that asymmetric ecological character displacement indirectly made stickleback more and sculpin less vulnerable to shared predation, driving divergence of antipredator traits between sympatric 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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,042
Tête enseignante GPT0,189
Écart entre enseignants0,146 · 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'étudeThéorique ou conceptuel
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

Citations13
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology LettersMême sujetPlant and animal studiesTravaux en français237 207