MétaCan
Menu
Retour à la cohorte
Enregistrement W4399069385 · doi:10.1038/s42003-024-06350-y

Metabolic plasticity drives mismatches in physiological traits between prey and predator

2024· article· en· W4399069385 sur OpenAlexaff
Flavio Affinito, Rebecca L. Kordas, Miguel G. Matias, Samraat Pawar

Notice bibliographique

RevueCommunications Biology · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensMcGill University
Organismes subventionnairesFundação para a Ciência e a TecnologiaHorizon 2020 Framework ProgrammeImperial College LondonEuropean CommissionRoyal Society
Mots-clésTrophic levelPredationMesocosmBiologyEcologyPredatorPhenotypic plasticityMetabolic rateOrganismAdaptation (eye)Apex predatorEcosystem

Résumé

récupéré en direct d'OpenAlex

Metabolic rate, the rate of energy use, underpins key ecological traits of organisms, from development and locomotion to interaction rates between individuals. In a warming world, the temperature-dependence of metabolic rate is anticipated to shift predator-prey dynamics. Yet, there is little real-world evidence on the effects of warming on trophic interactions. We measured the respiration rates of aquatic larvae of three insect species from populations experiencing a natural temperature gradient in a large-scale mesocosm experiment. Using a mechanistic model we predicted the effects of warming on these taxa's predator-prey interaction rates. We found that species-specific differences in metabolic plasticity lead to mismatches in the temperature-dependence of their relative velocities, resulting in altered predator-prey interaction rates. This study underscores the role of metabolic plasticity at the species level in modifying trophic interactions and proposes a mechanistic modelling approach that allows an efficient, high-throughput estimation of climate change threats across species pairs.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,295
Écart entre enseignants0,237 · 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'étudeObservationnel
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications BiologyMême sujetPhysiological and biochemical adaptationsTravaux en français237 207