7 августа 2026 г.
Многокамерные задачи социальных предпочтений были адаптированы от грызунов к данио-рерио, что облегчает изучение социального поведения у модельных организмов. Этот протокол проверяет недорогую трёхкамерную задачу в открытом аквариуме с помощью веб-камер и программного обеспечения с открытым исходным кодом для измерения социальных предпочтений данио-рерио, делая его доступным для студентов-исследователей и преподавателей.
Данный протокол валидирует недорогой и открытый 3-камерный тест в открытом аквариуме для исследования социального предпочтения у zebrafish. Этот протокол может быть использован для различных видов и позволяет студентам-исследователям изучать социальное предпочтение при минимальных ресурсах. Для начала подготовьте установку с открытым аквариумом, состоящую из центральной экспериментальной камеры и двух боковых камер со стимулами.
Установите систему подсветки. Используйте непрозрачные разделители и поляризационные фильтры для оптимизации визуальной изоляции и видеоконтраста. С помощью опорной рамы установите и выровняйте камеры перед камерами образцов.
Задвиньте плотные шторы и обеспечьте стабильные условия содержания до начала эксперимента. Загрузите программу Open Broadcaster Software и установите ее на локальный компьютер под управлением Windows. После запуска программного обеспечения запустите мастер автоматической настройки для оптимизации параметров в соответствии с конкретными задачами записи, аппаратными ресурсами и сетевыми условиями.
Перед настройкой камеры проверьте основные параметры. Установите базовое разрешение холста в соответствии с разрешением дисплея и задайте соответствующее масштабированное разрешение вывода. Затем создайте сцену, щелкнув правой кнопкой мыши в окне сцен и выбрав «Добавить сцену».
Присвойте сцене имя и используйте его для определения макета потока. Добавьте новый источник и выберите «Устройство захвата видео» (Video Capture Device), чтобы добавить веб-камеру. Присвойте каждой камере уникальное имя, например, «Центральная камера» (Camera Center), и повторите этот процесс для дополнительной камеры.
Расположите и измените размер источников в окне предварительного просмотра. Убедитесь, что камера указана в списке источников. Чтобы переместить вид с камеры в центр холста, нажмите control + D. Чтобы вписать изображение в экран, нажмите control + F, или растяните его, нажав control + S. Обрежьте источник, удерживая клавишу alt и перетаскивая ограничивающую рамку.
Затем дважды щелкните по выбранной камере и нажмите «Configure Video». Отрегулируйте яркость и контрастность видео в меню свойств. Заполните все три камеры водой из накопительных баков и отрегулируйте температуру воды перед помещением рыб.
Убедитесь, что непрозрачные перегородки между камерами установлены на протяжении всего периода акклиматизации. Перенесите одну взрослую особь Danio rerio в центральную камеру и дайте ей акклиматизироваться в течение не менее одного часа. Поместите искусственные социальные стимулы в левую боковую камеру стимуляции.
Затем перенесите небольшую группу из четырех рыб, состоящую из двух самцов и двух самок схожего размера, возраста и степени знакомства, в правую стимулирующую камеру. Во время акклиматизации обеспечьте все камеры с живыми животными погружным нагревателем, установленным на 26 °C, аэрационным камнем, подключенным к аквариумному воздушному насосу, и крышкой для поддержания стабильных условий содержания. Перед началом экспериментальной сессии извлеките нагреватели и аэрационные камни.
Включите одну камеру, направленную на центральный резервуар. Запустите программное обеспечение и растяните окно просмотра центральной камеры на весь экран, перетаскивая углы видео. Затем в панели управления выберите Start Recording.
Немедленно удалите непрозрачные барьеры. Через 10 минут завершите сеанс, выбрав «Stop Recording» в панели управления. Для доступа к записанным сеансам выберите «File» в верхнем левом меню, а затем «Show Recordings» в выпадающем списке.
Загрузите от четырех до пяти видео в приложение для анализа движений, например DeepLabCut, и извлеките по 20–30 кадров из каждого видео. Определите как минимум три основные точки отслеживания, такие как голова, хвост и туловище. Обучите нейронную сеть отслеживать эти точки на кадрах.
Для обучения модели используйте нейронную сеть на базе ResNet-101. Определите количество итераций, необходимых для завершения обучения. Затем разверните полностью обученную модель DeepLabCut на оставшихся экспериментальных видео и извлеките позиционные данные для каждого испытания в соответствии с руководством пользователя.
Затем с помощью программного обеспечения для кодирования, например Python, определите и проанализируйте перемещения по трем вертикальным зонам арены равной ширины для количественной оценки предпочтений. Измеряйте время пребывания в каждой зоне, используя как минимум две точки тела внутри определенной зоны, чтобы снизить уровень шума при трекинге. Рассчитайте общее время в каждой зоне, разделив общее количество кадров в данной зоне на общее количество кадров.
Используйте то же программное обеспечение для анализа поведения, чтобы определить и измерить время пребывания в неподвижном состоянии, например, время замирания. Установите порог движения от 2 до 5 пикселей за кадр при минимальном количестве последовательных кадров, равном 15 кадрам. В завершение соберите и экспортируйте результаты измерений для статистического анализа и визуализации.
Испытуемые проводили значительно больше времени за сессию в правой зоне, ближайшей к живой стае, чем в средней зоне или в левой зоне, ближайшей к искусственному мобильному стимулу. Разница во времени пребывания между средней зоной и левой зоной была статистически незначимой. Испытуемые проводили значительно меньше времени в неподвижном состоянии в средней зоне, чем в правой зоне, ближайшей к живой стае, или в левой зоне, ближайшей к мобильному стимулу.
Данный протокол может быть использован исследователями для изучения склонности zebrafish к визуальному взаимодействию с двумя различными социальными стимулами и определения того, какой стимул является предпочтительным. Исследователи могут использовать разные виды или конфигурации стимулов, а также изучать другие реакции, такие как резкие рывки или хаотичное плавание. Система представляет собой платформу для изучения трансляционных моделей социального функционирования и может быть применена для исследования фармакологических и средовых манипуляций.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
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.
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.
The OTFST with DeepLabCut tracking fits within the early discovery to lead identification continuum, supporting hypothesis testing and quantitative behavioral analysis in zebrafish models.