首先，下载并安装基于 Python 的视动反射或 PyOKR 分析所需的软件。在 Windows 计算机上，从 PyOKR run from PyOKR import OKR_win as o，后跟 o.run。打开用户界面后，单击 file ，然后单击 open 以打开浏览器以选择所需的 wave 文件。
要选择输出文件夹，请单击 export folder。在输出文件下，输入最终分析文件名。选择文件下的设置主题，为单个动物设置程序。
要设置激励参数，请转到 Select stimulus direction 并在四个基本方向中定义方向性。在 Select stimulus type （选择激励类型） 下，选择 unidirectional（单向）、Oscillatory （振荡） 或 obliqueal （倾斜）。然后，使用 head 和 tail 函数，设置开始和结束没有刺激的时间长度。
设置 epoch 的长度、后刺激的长度和 epoch 的数量。对于单向和倾斜刺激，请设置水平速度和垂直速度（以度/秒为单位），并指定捕获帧速率。对于正弦刺激，调整频率和振幅。
使用 Generate stimulus vector from parameters，根据输入的激励信息制作适当的模型，然后单击 select epoch 以扫描到总波文件。单击未过滤的数据或过滤数据进行初步调整，以根据最大速度变化自动选择快速相位眼跳。在 unfiltered data （未过滤的数据） 下，确认已用蓝点准确选择眼跳。
使用鼠标中键保存点并关闭图形。如果需要自动筛选，请设置筛选器 Z 分数阈值，然后单击 Filter data 以自动筛选眼跳。正确选择眼跳后，按 point adjustment 选择要删除的区域。
更改顶部和底部点，并使用鼠标按钮保存。使用设置多项式顺序，定义适合各个慢相的多项式模型。选择 final analysis 以生成慢相模型，并计算整个 epoch 的平均距离、速度和跟踪增益。
选择 view 2D graph 或 view 3D graph 以查看所选区域的二维或三维图形。选择 add epoch to save 以生成集体值，然后选择 view current dataset 以查看给定动物的所有添加值和平均值。对给定动物的所有文件重复整个过程后，生成包含所有波数据的最终数据集。
最后，通过 export data 导出数据集并继续下一个动物数据。Tbx5 条件性敲除小鼠的 PyOKR 分析表明，与野生型小鼠相比，这些动物保持正常的水平跟踪增益。然而，这些小鼠显示出垂直追踪的显着损失，对向上和向下刺激的响应增益几乎为零。
此外，对正弦反应的分析证实，Tbx5 条件性敲除小鼠表现出更大的水平跟踪增益，同时显示垂直跟踪显着降低。
