Table_2_A Scaling Approach to Understand the Dynamics of Fat and Lean Mass in Refueling Migrant Songbirds Measured by Quantitative Magnetic Resonance.XLSX
Notice bibliographique
Résumé
<p>Fat contributes most of the energy for migratory flight of birds, whereas lean body tissues (muscles and organs) contribute amino acids and water to maintain metabolic and osmotic homeostasis. During refueling at stopover sites, both fat and lean mass are recovered, but the dynamics of this recovery are poorly understood. We used non-invasive quantitative magnetic resonance (QMR) analysis to measure fat and lean mass of > 3,500 individuals of 25 songbird species during six spring and three autumn migration seasons between 2009 and 2019 at Long Point, ON, Canada. We used allometric scaling analysis and linear mixed-effects modeling of body composition data at both the population level (single capture) and the individual level (recapture). In the population-level analysis, lean mass scaled hypoallometrically with body mass, such that for every 20% increase in body mass, lean mass was predicted to increase by 12.1% in spring and 12.8% in autumn. Fat scaled hyperallometrically with body mass, such that for every 20% increase in body mass, fat mass was predicted to increase by 144% in spring and 136% in autumn. At the individual level, these allometric relationships were more extreme. As a result of this differential allometry, at low body masses, lean and fat mass contributes nearly equally to changes in mass, but at high body mass fat deposition becomes progressively more dominant. Spring migrants deposited relatively more fat than autumn migrants, and in autumn juvenile birds tended to have greater lean mass than adults. Our findings show that lean mass deposition during refueling by songbirds is substantial, and in line with the losses of protein expected in flight. The process of fat and lean mass deposition is characterized by non-linear dynamics which are influenced by the current body composition, season, and, to a lesser extent, age. The patterns suggest that the need for dietary protein to rebuild lean mass will be greater when body mass is low, during autumn migration, and in juvenile birds.</p>
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 | 0,000 | 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) | 0,091 | 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 ».