MétaCan
Menu
Retour à la cohorte
Enregistrement W6929744004 · doi:10.5061/dryad.7h44j0zx1

Differential reproductive plasticity under thermal variability in a freshwater fish (Danio rerio)

2022· dataset· en· W6929744004 sur OpenAlexaff

Notice bibliographique

RevueDRYAD · 2022
Typedataset
Langueen
DomaineNeuroscience
ThématiqueCircadian rhythm and melatonin
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFecundityFreshwater fishEctothermDiel vertical migrationPhenotypic plasticityReproductive successAcclimatizationRange (aeronautics)

Résumé

récupéré en direct d'OpenAlex

Human-driven increases in global mean temperatures are associated with concomitant increases in thermal variability. Yet, few studies have explored the impacts of thermal variability on fitness-related traits, limiting our ability to predict how organisms will respond to dynamic thermal changes. Among the myriad organismal responses to thermal variability, one of the most proximate to fitness – and, thus, a population’s ability to persist - is reproduction. Here, we examine how a model freshwater fish (Danio rerio) responds to diel thermal fluctuations that span the species’ viable developmental range of temperatures. We specifically investigate reproductive performance metrics including spawning success, fecundity, egg provisioning, and sperm concentration. Notably, we apply thermal variability treatments during two ontogenetic timepoints to disentangle the relative effects of developmental plasticity and reversible acclimation. We found evidence of direct, negative effects of thermal variability during later ontogenetic stages on reproductive performance metrics. We also found complex interactive effects of early and late-life exposure to thermal variability, with evidence of beneficial acclimation of spawning success and modification of the relationship between fecundity and egg provisioning. Our findings illuminate the plastic life-history modifications that fish may undergo as their thermal environments become increasingly variable.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0470,000

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 Opus0,022
Tête enseignante GPT0,250
Écart entre enseignants0,228 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDRYADMême sujetCircadian rhythm and melatoninTravaux en français237 207