Delineating reef fish trophic guilds with global gut content data synthesis and phylogeny.
Delineating reef fish trophic guilds with global gut content data synthesis and phylogeny.
复制标题
DOI：
10.1371/journal.pbio.3000702
复制
发表时间：
2020-12
期刊：
影响因子：
9.8
通讯作者：
Stuart-Smith RD
中科院分区：
文献类型：
--
作者：
Parravicini V;Casey JM;Schiettekatte NMD;Brandl SJ;Pozas-Schacre C;Carlot J;Edgar GJ;Graham NAJ;Harmelin-Vivien M;Kulbicki M;Strona G;Stuart-Smith RD
了解物种在食物网中的作用需要准确评估其营养生态位。然而，它是具有挑战性的描绘潜在的营养相互作用在整个生态系统中，和经验信息的缺乏往往导致不一致的定义的营养行会的专家意见的基础上，特别是当应用到超多样性的生态系统。使用珊瑚礁鱼类作为一个模型组，我们表明，专家不同意分配的广泛营养行会超过20%的物种，这妨碍了跨研究的可比性。在这里，我们提出了一个定量的，无偏的，可重复的方法来定义营养公会和应用最新进展的机器学习预测概率的成对营养相互作用的高精度。我们综合了来自全球热带珊瑚礁鱼类的全社区肠道内容物分析的数据，从而获得了来自615种珊瑚礁鱼类的13，961个个体的饮食信息。然后，我们使用网络分析，以确定8个营养功能团和贝叶斯系统发育模型表明，营养功能团可以预测的基础上，繁殖和最大的身体大小。最后，我们使用机器学习来测试成对营养相互作用是否可以准确预测。我们的模型实现了小于5%的错误分类误差，表明我们的方法导致定量和可重复的营养分类方案，以及高分辨率的营养相互作用的概率。通过将我们的框架应用于最多样化的脊椎动物消费者群体，我们表明它可以应用于其他生物群体，以提高基于特征的生态学的再现性。因此，我们的工作提供了一个可行的方法来解释高度多样化的生态系统中捕食者-猎物相互作用的复杂性。我们星球上生命的多样性产生了各种各样的生物特征，这些特征被广泛认为是分类学的替代品，以增加我们对生物多样性和生态系统功能的理解。这项研究提出了一个公正的和完全可重复的框架，划定在珊瑚礁鱼类的营养功能团。
Understanding species’ roles in food webs requires an accurate assessment of their trophic niche. However, it is challenging to delineate potential trophic interactions across an ecosystem, and a paucity of empirical information often leads to inconsistent definitions of trophic guilds based on expert opinion, especially when applied to hyperdiverse ecosystems. Using coral reef fishes as a model group, we show that experts disagree on the assignment of broad trophic guilds for more than 20% of species, which hampers comparability across studies. Here, we propose a quantitative, unbiased, and reproducible approach to define trophic guilds and apply recent advances in machine learning to predict probabilities of pairwise trophic interactions with high accuracy. We synthesize data from community-wide gut content analyses of tropical coral reef fishes worldwide, resulting in diet information from 13,961 individuals belonging to 615 reef fish. We then use network analysis to identify 8 trophic guilds and Bayesian phylogenetic modeling to show that trophic guilds can be predicted based on phylogeny and maximum body size. Finally, we use machine learning to test whether pairwise trophic interactions can be predicted with accuracy. Our models achieved a misclassification error of less than 5%, indicating that our approach results in a quantitative and reproducible trophic categorization scheme, as well as high-resolution probabilities of trophic interactions. By applying our framework to the most diverse vertebrate consumer group, we show that it can be applied to other organismal groups to advance reproducibility in trait-based ecology. Our work thus provides a viable approach to account for the complexity of predator–prey interactions in highly diverse ecosystems. The diversity of life on our planet has produced a remarkable variety of biological traits that characterize different species, and such traits are widely considered an alternative to taxonomy to increase our understanding of biodiversity and ecosystem functioning. This study presents an unbiased and fully reproducible framework to delineate trophic guilds in reef fishes.
登录
查看更多内容
影响因子：
56.9
作者：
Finke, Deborah L.;Snyder, William E.
通讯作者：
Snyder, William E.
DOI：
10.1073/pnas.0501562102
发表时间：
2005-04-12
影响因子：
11.1
作者：
Bascompte, J;Melián, CJ;Sala, E
通讯作者：
Sala, E
影响因子：
2.7
作者：
Brandl, Simon J.;Emslie, Michael J.;Ceccarelli, Daniela M.
通讯作者：
Ceccarelli, Daniela M.
影响因子：
3.4
作者：
Aubin, Isabelle;Venier, Lisa;Moretti, Marco
通讯作者：
Moretti, Marco
影响因子：
3.5
作者：
Brandl, Simon J.;Casey, Jordan M.;Meyer, Christopher P.
通讯作者：
Meyer, Christopher P.