A body composition model with multiple storage compartments for polar bears (<i>Ursus maritimus</i>)
Notice bibliographique
Résumé
Abstract Climate warming is rapidly altering Arctic ecosystems. Polar bears (Ursus maritimus) need sea ice as a platform from which to hunt seals, but increased sea-ice loss is lengthening periods when bears are without access to primary hunting habitat. During periods of food scarcity, survival depends on the energy that a bear has stored in body reserves, termed storage energy, making this a key metric in predictive models assessing climate change impacts on polar bears. Here, we developed a body composition model for polar bears that estimates storage energy while accounting for changes in storage tissue composition. We used data of dissected polar bears (n = 31) to link routinely collected field measures of total body mass and straight-line body length to the body composition of individual bears, described in terms of structural mass and two storage compartments, adipose and muscle. We then estimated the masses of metabolizable proteins and lipids within these storage compartments, giving total storage energy. We tested this multi-storage model by using it to predict changes in the lipid stores from an independent dataset of wild polar bears (n = 36) that were recaptured 8–200 days later. Using length and mass measurements, our model successfully predicted direct measurements of lipid changes via isotopic dilutions (root mean squared error of 14.5 kg). Separating storage into two compartments, and allowing the molecular composition of storage to vary, provides new avenues for quantifying energy stores of individuals across their life cycle. The multi-storage body composition model thus provides a basis for further exploring energetic costs of physiological processes that contribute to individual survival and reproductive success. Given bioenergetic models are increasingly used as a tool to predict individual fitness and population dynamics, our approach for estimating individual energy stores could be applicable to a wide range of 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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».