PyOKR：一种用于量化视动反射追踪能力的半自动化方法

我们致力于研究调控视觉运动处理行为（如视动反射）的机制。为此，我们开发了PyOKR，作为一个易于使用且统一的平台，可在多种条件下可重复地量化多种视觉反应，以加深对这些行为的理解。目前该领域内尚无统一的方法来量化视动反射反应，这可能导致不同实验室之间的数据比较出现差异。

我们希望 PyOKR 能够帮助标准化这些数据的分析方式，提供一种易于使用、无偏且稳健的工具来研究这些视觉反应。现有的方法通常在不同实验室之间存在差异，且常常是为特定需求定制设计的。PyOKR 提供了一种统一的方法，具有用户友好性、可及性，并可适应不同的实验设计。

通过结合自动分析与用户输入，该方法可生成无偏且准确的结果，以回答用户希望探究的问题。我们新开发的 PyOKR 分析方法将有助于在多种情境下研究视觉反应行为，例如遗传学或药理学干预。由于其易于获取和灵活适应的特性，研究人员将能够高效地量化反应，进而回答有关视觉神经环路如何形成与发挥功能的新问题。

借助 PyOKR，我们希望发现调控驱动视动反射的方向选择性神经环路发育的新机制。通过这种结合神经环路扰动的方法，我们将能够持续研究这些关键视觉系统的发育与功能。首先，请下载并安装基于 Python 的视动反射（PyOKR）分析所需软件。

在 Windows 计算机上，运行 from PyOKR import OKR_win as o，然后运行 o.run。打开用户界面后，单击“文件”（File），然后选择“打开”（Open），以打开浏览器并选择所需的 WAV 文件。如需选择输出文件夹，请单击“导出文件夹”（Export folder）。

在输出文件下，输入最终分析文件的名称。在“文件”中选择“设置受试对象”，以针对单个动物设置程序。要设置刺激参数，请进入“选择刺激方向”，并在四个基本方向中定义一个方向性。

在“选择刺激类型”中，选择单向、振荡或斜向刺激。然后使用起始和结束功能，设置开始和结束阶段无刺激的时间长度。设置时段长度、刺激后长度以及时段数量。

对于单向和斜向刺激，设置水平速度和垂直速度（单位为度/秒），并指定采集帧率。对于正弦刺激，调节频率和振幅。使用“从参数生成刺激向量”功能，根据输入的刺激信息生成相应的模型，然后点击“选择片段”以浏览完整的 WAV 文件。

单击“未过滤数据”或“过滤数据”以进行初步调整，系统将根据最大速度变化自动选择快相扫视。在“未过滤数据”下，确认扫视已被准确选中，并以蓝色圆点标示。使用鼠标中键保存这些点，然后关闭图表。

如果需要自动过滤，请设置滤波Z分数阈值，然后点击“过滤数据”以自动过滤扫视。在正确选择扫视后，按下“点调整”以选择需去除的区域。使用鼠标按钮调整顶部和底部的点，并保存设置。

使用“设定多项式阶数”来定义拟合各个慢相的多项式模型。选择“最终分析”以生成慢相模型，并计算该时间段内平均的距离、速度和追踪增益。选择“查看二维图”或“查看三维图”以显示所选区域的二维或三维图形。

选择“添加周期”以保存生成的集合值，然后选择“查看当前数据集”以查看给定动物的所有已添加数值及其平均值。对某只动物的所有文件重复整个流程后，生成包含所有WAV数据的最终数据集。最后，通过“导出数据”功能导出该数据集，并继续处理下一只动物的数据。

Tbx5 条件性敲除小鼠的 PyOKR 分析表明，与野生型小鼠相比，这些动物仍保持正常的水平追踪增益。然而，这些小鼠在垂直追踪方面表现出显著丧失，对向上和向下刺激的反应增益均接近于零。此外，对正弦刺激反应的分析证实，Tbx5 条件性敲除小鼠表现出更高的水平追踪增益，但垂直追踪能力显著下降。