Laden Sie zunächst die erforderliche Software für die Python-basierte optokinetische Reflex- oder PyOKR-Analyse herunter und installieren Sie sie. Führen Sie auf einem Windows-Computer aus dem PyOKR-Import OKR_win als o aus, gefolgt von o.run. Klicken Sie nach dem Öffnen der Benutzeroberfläche auf Datei und dann auf Öffnen, um einen Browser zur Auswahl der gewünschten Wave-Datei zu öffnen.
Um einen Ausgabeordner auszuwählen, klicken Sie auf Exportordner. Geben Sie unter der Ausgabedatei den Namen der endgültigen Analysedatei ein. Wählen Sie unter Datei die Option Betreff festlegen, um das Programm für ein einzelnes Tier festzulegen.
Um die Stimulusparameter einzustellen, gehen Sie zur Auswahl der Stimulusrichtung und definieren Sie eine Richtungsrichtung zwischen den vier Himmelsrichtungen. Wählen Sie unter Stimulustyp auswählen entweder unidirektional, oszillatorisch oder schräg aus. Stellen Sie dann mit den Kopf- und Schwanzfunktionen die Zeitdauer ohne Stimulus am Anfang und Ende ein.
Legen Sie die Länge der Epoche, die Länge des Nachstimulus und die Anzahl der Epochen fest. Legen Sie für unidirektionale und schräge Stimuli die horizontale Geschwindigkeit und die vertikale Geschwindigkeit in Grad pro Sekunde fest und geben Sie die Aufnahmebildrate an. Für sinusförmige Reize Frequenz und Amplitude anpassen.
Erstellen Sie mit der Option Stimulusvektor aus Parametern generieren das entsprechende Modell aus den eingegebenen Stimulusinformationen und klicken Sie auf Epoche auswählen, um die gesamte Wellendatei zu scannen. Klicken Sie entweder auf ungefilterte Daten oder auf Daten für vorläufige Anpassung filtern, um automatisch Schnellphasen-Sakkaden basierend auf maximalen Geschwindigkeitsänderungen auszuwählen. Vergewissern Sie sich unter ungefilterten Daten, dass die Sakkaden mit einem blauen Punkt korrekt ausgewählt sind.
Speichern Sie die Punkte mit der mittleren Maustaste und schließen Sie das Diagramm. Wenn eine automatische Filterung gewünscht ist, legen Sie den Z-Score-Schwellenwert für den Filter fest, und klicken Sie auf Daten filtern, um Sakkaden automatisch zu filtern. Drücken Sie nach der richtigen Sakkadenauswahl die Punktanpassung Um den zu entfernenden Bereich auszuwählen.
Ändern Sie den oberen und unteren Punkt und speichern Sie mit den Maustasten. Definieren Sie mithilfe der festgelegten Polynomreihenfolge das Polynommodell, das für die einzelnen langsamen Phasen geeignet ist. Wählen Sie Endgültige Analyse aus, um die Modelle für die langsame Phase zu generieren und die Entfernungen, Geschwindigkeiten und Verfolgungsgewinne zu berechnen, die über die Epoche gemittelt werden.
Wählen Sie 2D-Diagramm anzeigen oder 3D-Diagramm anzeigen, um das zweidimensionale oder dreidimensionale Diagramm der ausgewählten Regionen anzuzeigen. Wählen Sie Epoche zum Speichern hinzufügen aus, um einen Sammelwert zu generieren, und wählen Sie Aktuellen Datensatz anzeigen, um alle hinzugefügten Werte und Durchschnittswerte für ein bestimmtes Tier anzuzeigen. Nachdem Sie den gesamten Vorgang für alle Dateien für ein bestimmtes Tier wiederholt haben, generieren Sie einen endgültigen Datensatz, der alle Wellendaten enthält.
Exportieren Sie abschließend den Datensatz über Daten exportieren und fahren Sie mit den nächsten Tierdaten fort. Die PyOKR-Analyse an Tbx5-bedingten Knockout-Mäusen zeigte, dass diese Tiere im Vergleich zu Wildtyp-Mäusen normale horizontale Tracking-Gewinne beibehalten. Diese Mäuse zeigten jedoch einen signifikanten Verlust der vertikalen Nachführung, mit nahezu null Gewinnen als Reaktion auf Aufwärts- und Abwärtsreize.
Darüber hinaus bestätigte die Analyse sinusförmiger Reaktionen, dass Tbx5-bedingte Knockout-Mäuse größere horizontale Tracking-Gewinne aufwiesen, während sie ein signifikant geringeres vertikales Tracking aufwiesen.
