MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410912881 · doi:10.1101/2025.05.27.656387

What determines trophic niche breadth? A global analysis of freshwater fishes using isospaces

2025· preprint· en· W4410912881 sur OpenAlexaff
Friedrich W. Keppeler, Tommaso Giarrizzo, Carmen G. Montaña, Alphonse Adité, Şenol Akın, Ronaldo Angelini, Caroline C. Arantes, Evanilde Benedito, Thethela Bokhutlo, Rana W. El‐Sabaawi, Alexandre Garcia, Ivan González-Bergonzoni, David J. Hoeinghaus, Joel C. Hoffman, Olaf P. Jensen, Erik Jeppesen, R. Keller Kopf, Craig A. Layman, Bryan M. Maitland, Shin‐ichiro S. Matsuzaki, Jill A. Olin, Gordon Paterson, Yasmín Quintana, Carlos Eduardo de Rezende, Ashley Trudeau, Paulo Arthur A. Trindade, Thomas F. Turner, Eugenia Zandonà, Kirk O. Winemiller

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueIsotope Analysis in Ecology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesDivision of Graduate EducationFundação Amparo e Desenvolvimento da PesquisaConselho Nacional de Desenvolvimento Científico e TecnológicoNational Geographic SocietyTexas Parks and Wildlife DepartmentU.S. Environmental Protection AgencyNational Science Foundation
Mots-clésTrophic levelNicheEcologyGeographyBiologyFishery

Résumé

récupéré en direct d'OpenAlex

Abstract Trophic niche is one of the most tractable dimensions of a species niche. Several hypotheses have been proposed to explain global variation in species’ trophic niches, but empirical tests are limited. Stable isotope analysis (SIA) of δ¹³C (a proxy for basal sources) and δ¹ N (a proxy for vertical trophic position) has increasingly been used to estimate trophic niche variation. We performed SIA on a dataset of over 33,000 stable isotope samples from freshwater fishes across six ecoregions. For 541 populations (358 species), we estimated the size of δ¹³C × δ¹ N isospace—a bivariate representation of trophic niche breadth. We evaluated isospace variation in relation to environmental factors, species traits, and sampling scale, testing both novel and long-standing hypotheses about the drivers of trophic niche variation. A Boosted Regression Tree Model best predicted isospace, with environmental and trait-based variables among the strongest predictors. Fish isospaces were broader in regions with warmer temperatures, higher humidity, and precipitation variability, suggesting that more productive, diverse, and seasonal ecosystems are associated with broader trophic niches. Conversely, isospace size declined with increasing basin fish richness, which may reflect heightened interspecific competition or historical competitive exclusion. Isospace size was slightly smaller in large lakes compared to rivers, streams, and small lakes. Within-population variation in body size was strongly and positively associated with isospace size, highlighting the role of ontogenetic dietary shifts. Fish with truncate-rounded fins had broader isospaces than those with forked-lunate fins, likely due to the former having more limited movement and greater spatial isolation that resulted in greater between-individual niche variation. Primary consumers had larger isospaces than intermediate and top consumers. Predators showed relationships consistent those observed from analysis encompassing all trophic guilds, but non-predators deviated with regards to four variables—solar radiation, basin richness, average body size, and caudal fin aspect ratio. Isospace size increased with the number of sampled individuals, habitats and years surveyed. Although isospace patterns have well-documented limitations as trophic ecology metrics, our findings nonetheless conform with several longstanding hypotheses for trophic niche variation and stimulate new ideas about environmental and biological drivers of niche breadth.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,240
Écart entre enseignants0,227 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetIsotope Analysis in Ecology→Travaux en français237 207→