MétaCan
Menu
← Retour à la cohorte
Enregistrement W6967140501 · doi:10.5061/dryad.5ds70

Data from: Host specificity in subarctic aphids

2017· dataset· en· W6967140501 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2017
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPhylogenetic treeGenetic algorithmHost (biology)AphidPhylogeneticsHost specificity

Résumé

récupéré en direct d'OpenAlex

The specificity of parasitic interaction depends on the adaptations of both the host and the parasite. Over time, these interactions evolve and change as a result of an “arms race” between host and parasite, and the resulting species-specific adaptations may be maintained, perpetuating these interactions across speciation events. With speciation and species sorting over time, complex systems of interactions evolve. Here, we elucidate some of these interactions using the aphids (Hemiptera: Aphididae) of Churchill as a model system. We analyzed these interactions by testing for two patterns in host-specificity: monophagy and phylogenetic clustering. We defined monophagy as one species feeding upon a single host plant species, an association which is driven by arms races in morphology, chemical resistance/tolerance, and camouflage; this pattern was observed in 7 of 22 aphid species. Secondly, we observed three separate cases where groups of closely related aphid species fed upon individual plant species (examples of phylogenetic clustering). One explanation for uncovering species-specific interactions in a recently deglaciated, sub-arctic locality is that the species involved in the associations moved north together. Testing different levels of specificity in species interactions allows us to accurately elucidate these patterns and gives us insight into where to direct future research.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,044
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0370,028

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 Opus0,072
Tête enseignante GPT0,326
Écart entre enseignants0,254 · 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'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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)→Travaux en français237 207→