A translational and multidisciplinary approach to studying the Garcia effect, a higher form of learning with deep evolutionary roots
Notice bibliographique
Résumé
Animals, including humans, learn and remember to avoid a novel food when its ingestion is followed, hours later, by sickness - a phenomenon initially identified during World War II as a potential means of pest control. In the 1960s, John Garcia (for whom the effect is now named) demonstrated that this form of conditioned taste aversion had broader implications, showing that it is a rapid but long-lasting taste-specific food aversion with a fundamental role in the evolution of behaviour. From the mid-1970s onward, the principles of the Garcia effect were translated to humans, showing its role in different clinical conditions (e.g. side-effects linked to chemotherapy). However, in the last two decades, the number of studies on the Garcia effect has undergone a considerable decline. Since its discovery in rodents, this form of learning was thought to be exclusive to mammals; however, we recently provided the first demonstration that a Garcia effect can be formed in an invertebrate model organism, the pond snail Lymnaea stagnalis. Thus, in this Commentary, after reviewing the experiments that led to the first characterization of the Garcia effect in rodents, we describe the recent evidence for the Garcia effect in L. stagnalis, which may pave the way for future studies in other invertebrates and mammals. This article aims to inspire future translational and ecological studies that characterize the conserved mechanisms underlying this form of learning with deep evolutionary roots, which can be used to address a range of different biological questions.
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) | 0,000 | 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 ».