斑馬魚(yú)與大、小鼠等常用的模式生物相比，具有**與系統(tǒng)的簡(jiǎn)單性和復(fù)雜性之間的良好平衡，斑馬魚(yú)具有行為模式簡(jiǎn)單、基因可編輯性強(qiáng)、便于大通量實(shí)驗(yàn)等特點(diǎn)，可以使實(shí)驗(yàn)者以更加經(jīng)濟(jì)、高效的實(shí)驗(yàn)方案達(dá)到既定研究目的，是目前繼大小鼠之后，****的模式生物之一，尤其是在藥理毒理、神經(jīng)發(fā)育等領(lǐng)域，斑馬魚(yú)行為學(xué)評(píng)價(jià)被**使用。

LoliTrack5型號(hào)的斑馬魚(yú)行為學(xué)系統(tǒng)是一款快速直觀的Windows軟件，用于2D和3D小動(dòng)物視頻追蹤和行為學(xué)分析?；谏蕦?duì)比和動(dòng)靜態(tài)識(shí)別等技術(shù)追蹤目標(biāo)動(dòng)物的原理，研究者只需將攝像機(jī)捕捉的動(dòng)物活動(dòng)視頻加載到LoliTrack5軟件，便可獲得可靠的行為學(xué)數(shù)據(jù)并進(jìn)行深層分析。

LoliTrack5**應(yīng)用于小動(dòng)物社交行為、焦慮、藥物篩選、活動(dòng)強(qiáng)度、學(xué)習(xí)記憶、環(huán)境毒理學(xué)等方面科學(xué)研究，是一款功能強(qiáng)大、用戶友好的行為學(xué)視頻分析軟件平臺(tái)。

LoliTrack不僅對(duì)于斑馬魚(yú)具有很好的應(yīng)用，對(duì)很多其他動(dòng)物，也可以使用LoliTrack來(lái)分析，如：其他魚(yú)類、昆蟲(chóng)、哺乳動(dòng)物（大小鼠等）、鳥(niǎo)類、浮游生物等，都具有很好的適用性。

系統(tǒng)特點(diǎn)：

1. 同時(shí)追蹤1-24只動(dòng)物（一個(gè)單位容器）
2. 支持多個(gè)單位容器同時(shí)追蹤，如24、48、96孔板等
3. 兼容大多是相機(jī)和視頻格式
4. 具有豐富的分析工具集，可分析20+個(gè)數(shù)據(jù)參數(shù)
5. 確定具體的身體點(diǎn)進(jìn)行運(yùn)動(dòng)和運(yùn)動(dòng)學(xué)研究
6. 生成并導(dǎo)出數(shù)據(jù)參數(shù)和分布熱圖
7. 具有可定制圖形的深度分析工具
8. 可用頻率分析估計(jì)心率和鰓頻率
9. 真正的三維跟蹤導(dǎo)出坐標(biāo)和三維路徑
10. 批量分析多個(gè)視頻，節(jié)省時(shí)間

工作流示意：

LoliTrack5適用于大多數(shù)相機(jī)和視頻文件格式。只需用相機(jī)錄制一個(gè)視頻文件，并將視頻（2D或3D）加載到軟件中開(kāi)始跟蹤。該軟件也具有視頻錄制和編輯工具，使用方便，一站式解決。

軟件功能示例：

可以選擇單個(gè)的動(dòng)物進(jìn)行跟蹤和分析，而不是必須跟蹤所有的動(dòng)物。自定義名稱和標(biāo)簽顏色，便于識(shí)別。還可以在視頻時(shí)間軸上選擇用戶自定義的時(shí)間間隔，以排除特定的視頻片段進(jìn)行跟蹤。

如果您想要分析特定感興趣區(qū)域內(nèi)的動(dòng)物行為，可以直接在視頻預(yù)覽中繪制任意數(shù)量的區(qū)域。對(duì)每個(gè)區(qū)域的行為進(jìn)行評(píng)分，并自動(dòng)導(dǎo)出每個(gè)區(qū)域的統(tǒng)計(jì)數(shù)據(jù)。

識(shí)別特定的身體點(diǎn)(尾巴、頭部、中線中心、重心)，并可以單獨(dú)跟蹤每個(gè)點(diǎn)，用于研究運(yùn)動(dòng)學(xué)(尾部拍頻、身體振蕩等)或特定行為(方向或運(yùn)動(dòng)方向、轉(zhuǎn)彎速率等)。其他有用的工具包括根據(jù)位置、速度、加速度、活動(dòng)和轉(zhuǎn)彎速率生成動(dòng)物的中線和熱圖。

您可以將所有數(shù)據(jù)參數(shù)導(dǎo)出為.xlsx文件到Excel，只需單擊一次。導(dǎo)出每個(gè)參數(shù)或選擇你需要的參數(shù)。在導(dǎo)出的文件中，您可以獲得單個(gè)動(dòng)物、動(dòng)物組以及每個(gè)用戶定義的測(cè)試單元和區(qū)域的分析數(shù)據(jù)和原始數(shù)據(jù)。在LoliTrack 5中，一些參數(shù)也可以作為可定制或作為圖形導(dǎo)出。

通過(guò)兩個(gè)攝像頭或文件(立體技術(shù))，LoliTrack 5提供了在空氣或水中的焦點(diǎn)動(dòng)物的真實(shí)3D視頻跟蹤，考慮到空氣到水的光傳輸因素。坐標(biāo)以及軌跡的數(shù)字3D模型可以以不同的格式導(dǎo)出，以便在其他軟件包中進(jìn)一步可視化或分析。

硬件迷宮：

• 成魚(yú)觀察柜——全新的密閉式成魚(yú)觀測(cè)柜。提供了一個(gè)可控的實(shí)驗(yàn)環(huán)境，可進(jìn)行斑馬魚(yú)成魚(yú)行為實(shí)驗(yàn)，如十字迷宮實(shí)驗(yàn)、T迷宮實(shí)驗(yàn)、平皿實(shí)驗(yàn)等。

• T/十字迷宮——用于測(cè)試自然偏好，遺傳傾向，化學(xué)改變，濫用物質(zhì)（如酒精）或者有前景的藥物對(duì)于**病**效果的影響。

• 位置偏好CPP——是一種巴甫洛夫條件反射形式，用于研究與濫用藥物相關(guān)的獎(jiǎng)勵(lì)效應(yīng)。

參考文獻(xiàn)：

1.Alcaraz A J G, Baraniuk S, Mikulá?ek K, et al. Comparative analysis of transcriptomic points-of-departure (tPODs) and apical responses in embryo-larval fathead minnows exposed to fluoxetine[J]. Environmental Pollution, 2022, 295: 118667.
2.Di Cicco M, Di Lorenzo T, Fiasca B, et al. Effects of diclofenac on the swimming behavior and antioxidant enzyme activities of the freshwater interstitial crustacean Bryocamptus pygmaeus (Crustacea, Harpacticoida)[J]. Science of the Total Environment, 2021, 799: 149461.
3.Wang X, Cheng E, Burnett I S, et al. Automatic multiple zebrafish larvae tracking in unconstrained microscopic video conditions[J]. Scientific reports, 2017, 7(1): 17596.
4.Henry J, Rodriguez A, Wlodkowic D. Impact of digital video analytics on accuracy of chemobehavioural phenotyping in aquatic toxicology[J]. PeerJ, 2019, 7: e7367.
5.劉慧杰, 王從鋒, 劉德富, 等. 不同運(yùn)動(dòng)狀態(tài)下鳙幼魚(yú)的游泳特性研究[J]. 南方水產(chǎn)科學(xué), 2017, 13(2): 85-92.
6.Cruz-Rosa S, Pérez-Reyes O. Titanium Oxide Nanoparticles as Emerging Aquatic Pollutants: An Evaluation of the Nanotoxicity in the Freshwater Shrimp Larvae Atya lanipes[J]. Ecologies, 2023, 4(1): 141-151.
7.Rountos K J, Gobler C J, Pikitch E K. Ontogenetic differences in swimming behavior of fish exposed to the harmful dinoflagellate Cochlodinium polykrikoides[J]. Transactions of the American Fisheries Society, 2017, 146(5): 1081-1091.
8.Nay T J, Johansen J L, Habary A, et al. Behavioural thermoregulation in a temperature-sensitive coral reef fish, the five-lined cardinalfish (Cheilodipterus quinquelineatus)[J]. Coral Reefs, 2015, 34: 1261-1265.