Alternativa a basso costo per esaminare la preferenza sociale nel pesce zebra (Danio rerio) utilizzando il compito a 3 camere in acquario libero libero
7 agosto 2026
I compiti di preferenza sociale multi-camera sono stati adattati dai roditori al pesce zebra, facilitando lo studio del comportamento sociale negli organismi modello. Questo protocollo convalida un compito a basso costo a 3 camere in vasca aperta utilizzando webcam e software open source per misurare la preferenza sociale dei pesci zebra, rendendolo accessibile alla ricerca e all'insegnamento degli studenti universitari.
Questo protocollo valida un compito di nuoto libero in un serbatoio aperto a tre camere, a basso costo e a codice sorgente aperto, per lo studio della preferenza sociale nel pesce zebra. Questo protocollo può essere utilizzato con diverse specie e consente ai ricercatori universitari di indagare la preferenza sociale con risorse minime. Per iniziare, preparare l'apparato del serbatoio aperto con una camera centrale sperimentale e due camere stimolo laterali.
Installare il sistema di retroilluminazione. Divisori opachi e filtri polarizzatori per ottimizzare l'isolamento visivo e il contrasto video. Montare e allineare le telecamere davanti alle camere utilizzando il telaio di supporto per le telecamere.
Chiudere le tende oscuranti e mantenere condizioni di stabilità prima di iniziare l'esperimento. Scaricare il software Open Broadcaster e installarlo su un computer locale con sistema operativo Windows. Dopo aver avviato il software, eseguire la procedura guidata di configurazione automatica per ottimizzare le impostazioni in base alle specifiche esigenze di registrazione, alle risorse hardware e alle condizioni di rete.
Verificare le impostazioni di base prima della configurazione della fotocamera. Impostare la risoluzione base della tela in modo che corrisponda alla risoluzione del display e impostare la risoluzione scalata di output appropriata. Successivamente, creare una scena facendo clic con il tasto destro nella casella delle scene e selezionando Aggiungi scena.
Assegnare un nome alla scena e utilizzarlo per definire il layout del flusso. Aggiungere una nuova sorgente e selezionare Dispositivo di acquisizione video per aggiungere una webcam. Assegnare a ciascuna telecamera un nome distinto, ad esempio Telecamera centrale, e ripetere il processo per la telecamera aggiuntiva.
Posiziona e ridimensiona le sorgenti nella finestra di anteprima. Assicurati che la telecamera sia presente nell'elenco delle sorgenti. Porta la vista della telecamera al centro della tela premendo controllo più D. Applica l'adattamento allo schermo premendo controllo più F, oppure espandi lo schermo premendo controllo più S. Ritaglia la sorgente tenendo premuto il tasto alt mentre trascini il riquadro di delimitazione.
Successivamente, fare doppio clic sulla telecamera selezionata e fare clic su Configura video. Regolare luminosità e contrasto del video nel menu delle proprietà. Riempire tutte e tre le camere con acqua proveniente dai serbatoi di contenimento e regolare la temperatura dell'acqua prima di introdurre i pesci.
Assicurarsi che le barriere opache tra le camere siano posizionate per tutta la durata del periodo di ambientamento. Trasferire un adulto di Danio rerio nella camera centrale e lasciarlo ambientare per almeno un'ora. Posizionare lo stimolo sociale artificiale nella camera stimolo sinistra laterale.
Successivamente, trasferire un piccolo gruppo di quattro pesci, composto da due maschi e due femmine di dimensioni, età e grado di familiarità simili, nella camera di stimolo a destra. Durante l'acclimatazione, fornire a tutte le camere contenenti animali vivi un riscaldatore subacqueo impostato a 26 gradi Celsius, una pietra diffusore collegata alla pompa dell'aria dell'acquario e un coperchio per mantenere condizioni di allevamento stabili. Rimuovere i riscaldatori e le pietre diffusore prima di iniziare la sessione sperimentale.
Avviare la videocamera singola sul serbatoio centrale. Avviare il software e ridimensionare la vista della videocamera centrale in modo da riempire lo schermo, cliccando e trascinando gli angoli del video. Successivamente, selezionare Avvia registrazione nella sezione dei controlli.
Rimuovere immediatamente le barriere opache. Dopo 10 minuti, terminare la sessione selezionando Arresta Registrazione nella sezione controlli. Accedere alle sessioni registrate selezionando File nel menu in alto a sinistra e scegliendo Mostra Registrazioni dal menu a tendina.
Caricare quattro o cinque video in un'applicazione software per l'analisi del movimento, come DeepLabCut, ed estrarre da ciascun video 20-30 fotogrammi. Definire almeno tre punti principali di tracciamento, ad esempio testa, coda e tronco. Addestrare la rete per tracciare questi punti attraverso i fotogrammi.
Utilizzare una rete neurale basata su ResNet-101 per addestrare il modello. Determinare il numero di iterazioni necessarie per completare l'addestramento. Successivamente, distribuire il modello DeepLabCut completamente addestrato sui restanti video sperimentali ed estrarre i dati posizionali per ogni prova seguendo la guida utente.
Quindi, utilizzare un software di programmazione come Python per definire e analizzare i movimenti all'interno delle tre zone verticali dell'arena, di uguale larghezza, al fine di quantificare la preferenza. Misurare il tempo trascorso in ciascuna zona utilizzando almeno due punti corporei all'interno della zona identificata, per ridurre il rumore di tracciamento. Calcolare il tempo totale in ogni zona dividendo il numero totale di fotogrammi nella zona per il numero complessivo di fotogrammi.
Utilizzare lo stesso software di codifica per definire e misurare il tempo trascorso immobile, come ad esempio il congelamento. Impostare la soglia di movimento tra 2 e 5 pixel per fotogramma con un numero minimo di fotogrammi consecutivi pari a 15. Infine, raccogliere ed esportare le misurazioni per l'analisi statistica e la visualizzazione.
I soggetti hanno trascorso un tempo significativamente maggiore della sessione nella zona di destra, più vicina al branco vivo, rispetto alla zona centrale o alla zona di sinistra, più vicina allo stimolo mobile artificiale. La differenza nel tempo trascorso tra la zona centrale e quella di sinistra non è risultata statisticamente significativa. I soggetti hanno trascorso un tempo significativamente minore della sessione immobili nella zona centrale rispetto alla zona di destra, più vicina al branco vivo, o alla zona di sinistra, più vicina allo stimolo mobile.
Questo protocollo può essere utilizzato dai ricercatori per studiare la tendenza di un pesce zebra a interagire visivamente con due diversi stimoli sociali e determinare quale stimolo sia preferito. I ricercatori possono utilizzare specie diverse o configurazioni degli stimoli, nonché analizzare altre risposte, come movimenti rapidi o nuoto irregolare. Il sistema offre una piattaforma per lo studio di modelli traslazionali della funzionalità sociale e potrebbe esplorare manipolazioni farmacologiche e ambientali.
Visualizza la trascrizione completa e accedi a migliaia di video scientifici
Overview
This article presents a protocol for assessing social behavior in zebrafish using the 3-chamber open-tank free-swim task (OTFST). The method utilizes a cost-effective setup with USB webcams and common materials, combined with DeepLabCut for markerless pose estimation and behavioral tracking. The approach is validated through pilot sessions and is designed to be accessible for both research and teaching laboratories.
Key Study Components
Area of Science
- Neurobehavioral research
- Behavioral neuroscience
- Zebrafish behavioral analysis
Background
- Social preference tasks are widely used to study social behavior in animal models.
- The 3-chamber paradigm was originally developed for rodents and later adapted for zebrafish.
- Accurate behavioral tracking is essential for quantifying social interactions.
- Cost and accessibility can be barriers for widespread adoption of behavioral assays.
Purpose of Study
- To provide a low-cost, scalable protocol for assessing social preference in zebrafish.
- To demonstrate the use of DeepLabCut for accurate, markerless tracking of animal movement.
- To validate the system's ability to capture robust social behavior.
Methods Used
- 3-chamber open-tank free-swim task (OTFST) with a central tank and two stimulus tanks.
- Video recording using USB webcams positioned above the setup.
- Use of polarizing film and backlighting to enhance video quality.
- Application of DeepLabCut for markerless pose estimation and extraction of positional time-series data.
Main Results
- The protocol successfully captures social preference behavior in zebrafish.
- DeepLabCut provides accurate tracking data for behavioral analysis.
- The setup is validated through pilot sessions demonstrating robust behavioral metrics.
- The approach is budget-friendly and accessible for a wide range of laboratories.
Conclusions
- The 3-chamber OTFST protocol is effective for studying social interaction in zebrafish.
- The method is accessible, scalable, and suitable for both research and teaching environments.
- Open-source tools like DeepLabCut enhance the accuracy and reproducibility of behavioral studies.
Frequently Asked Questions
Executive Industry Relevance
Quantitative assessment of social behavior in zebrafish is increasingly relevant for neurobehavioral target validation and early-stage CNS drug discovery. The 3-chamber open-tank free-swim task (OTFST) with markerless video tracking enables scalable, reproducible behavioral phenotyping, supporting predictive confidence in translational models. This accessible, low-cost platform facilitates robust pipeline integration for teams prioritizing mechanistic de-risking and cross-study comparability.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of social behavior phenotypes relevant to neuropsychiatric target validation.
- Supports mechanistic de-risking by quantifying behavioral endpoints in a disease-relevant system.
- Facilitates portfolio triage by providing reproducible, quantitative behavioral data.
Screening & Assay Development
- Prepares validated zebrafish behavioral systems for downstream compound screening workflows.
- Standardizes assay conditions and outputs using open-source tracking and quantitative metrics.
- Enables scalable, reproducible behavioral assays for reliable compound evaluation.
Translational & Preclinical Research
- Aligns behavioral endpoints with translational biomarker strategies in CNS research.
- Supports continuity from early discovery through preclinical validation by enabling cross-study comparability.
- Provides predictive de-risking value for neurobehavioral phenotypes relevant to human disease.
Pipeline & Workflow Integration
The OTFST with DeepLabCut tracking fits within the early discovery to lead identification continuum, supporting hypothesis testing and quantitative behavioral analysis in zebrafish models.
- Discovery Biology: Enables robust hypothesis testing and pathway clarification for social behavior targets.
- Screening: Provides assay readiness and reproducibility through standardized video tracking and analysis.
- Analytics: Delivers quantitative positional and preference metrics for cross-condition comparison.
- Translational Research: Supports alignment of zebrafish behavioral endpoints with preclinical biomarker strategies.
- Enterprise Reuse: Offers a scalable, open-source platform adaptable across neurobehavioral research portfolios.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in neurobehavioral target validation.
- Operational Value: Standardizes behavioral assays with reproducible, scalable, and cost-effective infrastructure.
- Strategic Value: Improves go/no-go decision-making and capital efficiency by enabling robust behavioral phenotyping.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of CNS discovery programs.
Implementation Considerations
- Requires expertise in behavioral neuroscience and quantitative video analysis.
- Needs basic imaging infrastructure (USB webcams, lighting, and open-source software).
- Demands cross-team standardization of assay setup and data analysis protocols.
- Adaptable to other small aquatic models with protocol modifications.
- Practical limitations include video quality and environmental control for reproducibility.
Biopharma FAQs
Chapters in this video
0:00
Introduction
0:23
Testing Environment Setup
1:02
OBS Studio Configuration for Video Acquisition
2:42
Acclimation of Adult Zebrafish in the 3-Chamber Open-Tank
3:46
Experimental Social Preference Testing
4:30
Motion Tracking and Behavioral Analysis of Zebrafish Social Preference
6:13
Results
6:49
Conclusion
