MétaCan
Menu
← Retour à la cohorte
Enregistrement W4399709294 · doi:10.22541/au.171841980.09998304/v1

Trophic controls on thermal adaptation of phytoplankton size and stoichiometry

2024· preprint· en· W4399709294 sur OpenAlexaff
David Anderson, Mary I. O’Connor, Colin T. Kremer

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiquePhysiological and biochemical adaptations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPhytoplanktonTrophic levelEcologyZooplanktonEcosystemAdaptation (eye)BiologyFood webNutrient

Résumé

récupéré en direct d'OpenAlex

Temperature impacts physiological function, driving evolutionary adaptation in physiological traits that influence ecosystem properties. Temperature also impacts ecological rates, altering the strength of trophic and competitive interactions. Yet, possible effects of temperature-driven shifts in ecological interactions on physiological adaptation are unclear. We investigate how ecological interactions shape thermal adaptation of phytoplankton cell size, a trait that affects macromolecular composition, Phosphorus:Carbon ratio, competitive ability, and grazing susceptibility. We identify evolutionarily stable strategies in a nutrient-phytoplankton-zooplankton system. We find that trophic interactions strongly impact the evolutionarily stable cell size across temperatures. Without zooplankton, cell size and P:C ratio declines monotonically with temperature. With zooplankton, cell size and P:C ratio varies unimodally with temperature, due to temperature-dependent shifts in the grazer’s capacity to ease nutrient competition by controlling phytoplankton. Size-selective grazing does not qualitatively alter this result but facilitates diversification. We conclude that ecological interactions play critical roles in physiological adaptation to warming.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,232
Écart entre enseignants0,214 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhysiological and biochemical adaptations→Travaux en français237 207→