Navigating the landscape of fear: Fruit flies exhibit distinct antipredator and antiparasite defensive behaviors
Notice bibliographique
Résumé
Most organisms are at risk of being consumed by a predator or getting infected by a parasite at some point in their life. Theoretical constructs such as the landscape of fear (perception of risk) and nonconsumptive effects (NCEs, costly responses sans predation or infection) have been proposed to describe and quantify antipredator and antiparasite responses. How prey/host species identify and respond to these risks determines their survival, reproductive success and, ultimately, fitness. Most studies to date have focused on either predator-prey or parasite-host interactions, yet habitats and ecosystems contain both parasitic and/or predatory species that represent a complex and heterogenous mosaic of risk factors. Here, we experimentally investigated the behavioral responses of a cactophilic fruit fly, Drosophila nigrospiracula, exposed to a range of species that include parasites (ectoparasitic mite), predators (jumping spiders), as well as harmless heterospecifics (nonparasitic mites, ants, and weevils). We demonstrate that D. nigrospiracula can differentiate between threat and non-threat species, increase erratic movements and decrease velocity in the presence of parasites, but decrease erratic movements and time spent grooming in the presence of predators. Of particular importance, flies could distinguish between parasitic female mites and nonparasitic male mites of the same species, and respond accordingly. We also show that the direction of these NCEs differs when exposed to parasitic mites (i.e., risk of infection) versus spiders (i.e., risk of predation). Given the opposing effects of predation versus infection risk on fly behavior, we discuss potential trade-offs between parasite and predator avoidance behaviors. Our findings illustrate the complexity of risk assessment in a landscape of fear and the fine-tuned NCEs that arise in response. Moreover, this study is the first to examine these behavioral NCEs in a terrestrial system.
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 | 0,000 | 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) | 0,001 | 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 ».