MétaCan
Menu
Retour à la cohorte
Enregistrement W7077050587 · doi:10.5061/dryad.b8gtht7nq

Ericoid mycorrhizal fungal metacommunity facilitates closely related Rhododendron species coexistence

2024· dataset· en· W7077050587 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2024
Typedataset
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésMetacommunityHost (biology)SymbiosisMycorrhizal fungiFacilitationLimitingNestednessMutualism (biology)

Résumé

récupéré en direct d'OpenAlex

The structural and ecological significance of ericoid mycorrhizal (ErM) fungi is well recognized. Yet, it remains unknown whether the coexistence of ericaceous plants is facilitated by their symbioses with ErM fungi. Here, we use Rhododendron (Ericaceae) as a model to investigate how phylogenetic and functional limiting similarity, or facilitation through ErM fungal metacommunity, influences their co-occurrence in mountain ecosystems. We found Rhododendron species tended to be phylogenetically and functionally clustered across elevations. However, a substantial dissimilarity in the composition of putative ErM fungi was observed among co-occurring hosts within the same community, especially at higher elevations. Host identity played a predominant role in shaping the composition of ErM fungi. Moreover, the degree of network specialization in Rhododendron-ErM fungi interactions increased with elevation. Our study provides one of the first examinations of drivers of ErM fungal composition and network specialization in a species-rich Rhododendron assemblage. Host-symbiont mutualistic interactions in complex landscapes may offer insights into the coexistence of closely related species.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,066
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0210,027

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 Opus0,034
Tête enseignante GPT0,298
Écart entre enseignants0,264 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetTheoretical and Computational PhysicsTravaux en français237 207