斑馬魚與大、小鼠等常用的模式生物相比，具有**與系統的簡單性和復雜性之間的良好平衡，斑馬魚具有行為模式簡單、基因可編輯性強、便于大通量實驗等特點，可以使實驗者以更加經濟、高效的實驗方案達到既定研究目的，是目前繼大小鼠之后，****的模式生物之一，尤其是在藥理毒理、神經發育等領域，斑馬魚行為學評價被**使用。

LoliTrack5型號的斑馬魚行為學系統是一款快速直觀的Windows軟件，用于2D和3D小動物視頻追蹤和行為學分析。基于色彩對比和動靜態識別等技術追蹤目標動物的原理，研究者只需將攝像機捕捉的動物活動視頻加載到LoliTrack5軟件，便可獲得可靠的行為學數據并進行深層分析。

LoliTrack5**應用于小動物社交行為、焦慮、藥物篩選、活動強度、學習記憶、環境毒理學等方面科學研究，是一款功能強大、用戶友好的行為學視頻分析軟件平臺。

LoliTrack不僅對于斑馬魚具有很好的應用，對很多其他動物，也可以使用LoliTrack來分析，如：其他魚類、昆蟲、哺乳動物（大小鼠等）、鳥類、浮游生物等，都具有很好的適用性。

系統特點：

1. 同時追蹤1-24只動物（一個單位容器）
2. 支持多個單位容器同時追蹤，如24、48、96孔板等
3. 兼容大多是相機和視頻格式
4. 具有豐富的分析工具集，可分析20+個數據參數
5. 確定具體的身體點進行運動和運動學研究
6. 生成并導出數據參數和分布熱圖
7. 具有可定制圖形的深度分析工具
8. 可用頻率分析估計心率和鰓頻率
9. 真正的三維跟蹤導出坐標和三維路徑
10. 批量分析多個視頻，節省時間

工作流示意：

LoliTrack5適用于大多數相機和視頻文件格式。只需用相機錄制一個視頻文件，并將視頻（2D或3D）加載到軟件中開始跟蹤。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：

可以選擇單個的動物進行跟蹤和分析，而不是必須跟蹤所有的動物。自定義名稱和標簽顏色，便于識別。還可以在視頻時間軸上選擇用戶自定義的時間間隔，以排除特定的視頻片段進行跟蹤。

如果您想要分析特定感興趣區域內的動物行為，可以直接在視頻預覽中繪制任意數量的區域。對每個區域的行為進行評分，并自動導出每個區域的統計數據。

識別特定的身體點(尾巴、頭部、中線中心、重心)，并可以單獨跟蹤每個點，用于研究運動學(尾部拍頻、身體振蕩等)或特定行為(方向或運動方向、轉彎速率等)。其他有用的工具包括根據位置、速度、加速度、活動和轉彎速率生成動物的中線和熱圖。

您可以將所有數據參數導出為.xlsx文件到Excel，只需單擊一次。導出每個參數或選擇你需要的參數。在導出的文件中，您可以獲得單個動物、動物組以及每個用戶定義的測試單元和區域的分析數據和原始數據。在LoliTrack 5中，一些參數也可以作為可定制或作為圖形導出。

通過兩個攝像頭或文件(立體技術)，LoliTrack 5提供了在空氣或水中的焦點動物的真實3D視頻跟蹤，考慮到空氣到水的光傳輸因素。坐標以及軌跡的數字3D模型可以以不同的格式導出，以便在其他軟件包中進一步可視化或分析。

硬件迷宮：

• 成魚觀察柜——全新的密閉式成魚觀測柜。提供了一個可控的實驗環境，可進行斑馬魚成魚行為實驗，如十字迷宮實驗、T迷宮實驗、平皿實驗等。

• T/十字迷宮——用于測試自然偏好，遺傳傾向，化學改變，濫用物質（如酒精）或者有前景的藥物對于**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的獎勵效應。

參考文獻：

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. 不同運動狀態下鳙幼魚的游泳特性研究[J]. 南方水產科學, 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.