MétaCan
Menu
Retour à la cohorte
Enregistrement W4411852459 · doi:10.1098/rsbl.2025.0153

Foraging actively can be advantageous in heterogeneous environments

2025· article· en· W4411852459 sur OpenAlexaff
Dylan J. Padilla Pérez, John M. VandenBrooks, Marla B. Sokolowski, Michael J. Angilletta

Notice bibliographique

RevueBiology Letters · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Behavior and Reproduction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésForagingBiologyForageTraitAdaptation (eye)EcologyOptimal foraging theoryFeeding behaviorExperimental evolutionLocal adaptationZoologyEvolutionary biologyPopulationGeneticsGene

Résumé

récupéré en direct d'OpenAlex

A wealth of evidence indicates that behavioural polymorphism is widespread in nature. While some organisms search for food by moving almost continuously throughout their environment, other organisms forage in one place for long periods of time. Although such a dichotomy has been previously documented in Drosophila melanogaster , the question remains which foraging strategy is better suited to maximize energy intake in a particular environment. We designed an experiment to evaluate whether the configuration of food in the environment alters the foraging behaviour of two larval strains. Assuming that one of the strains acquires more food than the other in a given environment, we examined whether variation in growth occurred between them. Our results indicate that foraging behaviour is a plastic trait, shaped by the configuration of food in the environment. Regardless of the foraging strategy, we found that larvae generally increased their locomotion when food was patchy rather than clumped. Even though we observed that some individuals actively sought food while others stayed foraging at nearby sites, we found no differences in growth rate between them. However, we suggest that foraging actively may be advantageous in polymorphic populations because such behaviour facilitates local adaptation via founder effect and gene flow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,781
Score d'incertitude au seuil0,141

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,015
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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 tête enseignante, 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 revueBiology LettersMême sujetAnimal Behavior and ReproductionTravaux en français237 207