Tracking the path of predator recognition in a predator-naive population of the pond snail
Notice bibliographique
Résumé
Abstract Organisms evolve adaptive strategies to adjust to rapidly changing environmental stressors. Predation pressure is one of the strongest selective forces and organisms respond to predatory threats via innate and learned responses. We utilized a natural, experimental set-up, where two lakes Stoney and Margo in Canada containing natural populations of the prey Lymnaea stagnalis differed in the presence and absence of an invasive, predatory Northern crayfish, Faxonius virilis. We exploited the contrast in the predation backgrounds of the snail populations from the two lakes to test, 1) predator recognition in predator-experienced snails is innate, (2) predator-naive snails learn to detect a novel invasive predator, and 3) learning about a novel predator gets transmitted to the successive generations. We quantified predator fear memory formation using a higher-order learning paradigm called configural learning. We found that 1) predator recognition in predator-experienced snails is innate, 2) predator-naive snails learned to recognize the novel predator even after a brief exposure to predator cues highlighting the role of learning in combating invasive predators and the critical time-window during development that accounts for predator recognition, and 3) the learning and predator detection mechanism in predator-naive snails are not transmitted to successive generations. The population variation observed in the predator-detection mechanism may be due to the past and current experience of predators in one population over the other. We find an interesting study system to address how fear learning occurs and prospective future directions to understand the mechanism of innate fear recognition from a learned fear recognition.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».