The complex effects of modern oncogenic environments on the fitness, evolution and conservation of wildlife species
Notice bibliographique
Résumé
Growing evidence indicates that human activities are causing cancer rates to rise in both human and wildlife populations. This is due to the inability of ancestral anti-cancer defences to cope with modern environmental risks. The evolutionary mismatch between modern oncogenic risks and evolved cancer defences has far-reaching effects on various biological aspects at different timeframes, demanding a comprehensive study of the biology and evolutionary ecology of the affected species. Firstly, the increased activation of anti-cancer defences leads to excessive energy expenditure, affecting other biological functions and potentially causing health issues like autoimmune diseases. Secondly, tumorigenesis itself can impact important fitness-related parameters such as competitiveness, predator evasion, resistance to parasites, and dispersal capacity. Thirdly, rising cancer risks can influence the species' life-history traits, often favoring early reproduction to offset fitness costs associated with cancer. However, this strategy has its limits, and it may not ensure the sustainability of the species if cancer risks continue to rise. Lastly, some species may evolve additional anti-cancer defences, with uncertain consequences for their biology and future evolutionary path. In summary, we argue that the effects of increased exposure to cancer-causing substances on wildlife are complex, ranging from immediate responses to long-term evolutionary changes. Understanding these processes, especially in the context of conservation biology, is urgently needed.
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 | 0,001 | 0,001 |
| 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 ».