斑马鱼与大、小鼠等常用的模式生物相比，具有**与系统的简单性和复杂性之间的良好平衡，斑马鱼具有行为模式简单、基因可编辑性强、便于大通量实验等特点，可以使实验者以更加经济、高效的实验方案达到既定研究目的，是目前继大小鼠之后，****的模式生物之一，尤其是在药理毒理、神经发育等领域，斑马鱼行为学评价被**使用。

LoliTrack5型号的斑马鱼行为学系统是一款快速直观的Windows软件，用于2D和3D小动物视频追踪和行为学分析。基于色彩对比和动静态识别等技术追踪目标动物的原理，研究者只需将摄像机捕捉的动物活动视频加载到LoliTrack5软件，便可获得可靠的行为学数据并进行深层分析。

LoliTrack5**应用于小动物社交行为、焦虑、药物筛选、活动强度、学习记忆、环境毒理学等方面科学研究，是一款功能强大、用户友好的行为学视频分析软件平台。

LoliTrack不仅对于斑马鱼具有很好的应用，对很多其他动物，也可以使用LoliTrack来分析，如：其他鱼类、昆虫、哺乳动物（大小鼠等）、鸟类、浮游生物等，都具有很好的适用性。

系统特点：

1. 同时追踪1-24只动物（一个单位容器）
2. 支持多个单位容器同时追踪，如24、48、96孔板等
3. 兼容大多是相机和视频格式
4. 具有丰富的分析工具集，可分析20+个数据参数
5. 确定具体的身体点进行运动和运动学研究
6. 生成并导出数据参数和分布热图
7. 具有可定制图形的深度分析工具
8. 可用频率分析估计心率和鳃频率
9. 真正的三维跟踪导出坐标和三维路径
10. 批量分析多个视频，节省时间

工作流示意：

LoliTrack5适用于大多数相机和视频文件格式。只需用相机录制一个视频文件，并将视频（2D或3D）加载到软件中开始跟踪。该软件也具有视频录制和编辑工具，使用方便，一站式解决。

软件功能示例：

可以选择单个的动物进行跟踪和分析，而不是必须跟踪所有的动物。自定义名称和标签颜色，便于识别。还可以在视频时间轴上选择用户自定义的时间间隔，以排除特定的视频片段进行跟踪。

如果您想要分析特定感兴趣区域内的动物行为，可以直接在视频预览中绘制任意数量的区域。对每个区域的行为进行评分，并自动导出每个区域的统计数据。

识别特定的身体点(尾巴、头部、中线中心、重心)，并可以单独跟踪每个点，用于研究运动学(尾部拍频、身体振荡等)或特定行为(方向或运动方向、转弯速率等)。其他有用的工具包括根据位置、速度、加速度、活动和转弯速率生成动物的中线和热图。

您可以将所有数据参数导出为.xlsx文件到Excel，只需单击一次。导出每个参数或选择你需要的参数。在导出的文件中，您可以获得单个动物、动物组以及每个用户定义的测试单元和区域的分析数据和原始数据。在LoliTrack 5中，一些参数也可以作为可定制或作为图形导出。

通过两个摄像头或文件(立体技术)，LoliTrack 5提供了在空气或水中的焦点动物的真实3D视频跟踪，考虑到空气到水的光传输因素。坐标以及轨迹的数字3D模型可以以不同的格式导出，以便在其他软件包中进一步可视化或分析。

硬件迷宫：

• 成鱼观察柜——全新的密闭式成鱼观测柜。提供了一个可控的实验环境，可进行斑马鱼成鱼行为实验，如十字迷宫实验、T迷宫实验、平皿实验等。

• T/十字迷宫——用于测试自然偏好，遗传倾向，化学改变，滥用物质（如酒精）或者有前景的药物对于**病**效果的影响。

• 位置偏好CPP——是一种巴甫洛夫条件反射形式，用于研究与滥用药物相关的奖励效应。

参考文献：

1.Alcaraz A J G, Baraniuk S, Mikulášek 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.刘慧杰, 王从锋, 刘德富, 等. 不同运动状态下鳙幼鱼的游泳特性研究[J]. 南方水产科学, 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.