Individual Quality Drives Life History Variation in a Long-Lived Marine Predator
Notice bibliographique
Résumé
Individual quality and environmental conditions may mask or interact with energetic trade-offs in life history evolution. Deconstructing these sources of variation is especially difficult in long-lived species that are rarely observed on timescales long enough to disentangle these effects. Here, we investigated relative support for variation in female quality and costs of reproduction as factors shaping differences in life history trajectories using a 32-year dataset of repeated reproductive measurements from 273 marked, known-age female gray seals (Halichoerus grypus). We defined individual reproductive investment using two traits, reproductive frequency (a female’s probability of breeding) and provisioning performance (offspring weaning mass). Fitted hierarchical Bayesian models identified individual investment relative to conspecifics (over a female’s entire life and in three age classes) and subsequently estimated how these investment metrics and the Atlantic Multidecadal Oscillation are associated with longevity. Individual differences (i.e., quality) contributed a large portion of the variance in reproductive traits. Females that consistently invest well in their offspring relative to other females survive longer. The best-supported model estimated survival as a function of age class–specific provisioning performance, where late-life performance was particularly variable and had the greatest impact on survival, possibly indicating individual variation in senescence. There was no evidence to support a trade-off in reproductive performance and survival at the individual level. Overall, these results suggest that in gray seals, individual quality is a stronger driver in life history variation than individual strategies resulting from energetic trade-offs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».