黑腹果蝇 为研究由基因修饰¹、药物治疗² 和衰老³ 创建的神经元疾病模型中的细胞和分子功能提供了一种极好的模式生物。人类和果蝇之间生物途径、物理特性和疾病相关同系物基因的高度保守性使果 蝇 成为从分子到行为水平的理想模仿物⁴.在许多疾病模型中，行为缺陷是一个重要的指标，为各种人类神经病提供了有用的模型^5，6。 果蝇 现在用于研究多种人类疾病、神经发育和神经退行性疾病，如帕金森病和肌萎缩侧索硬化症^7，8。检测疾病模型的运动能力对于了解致病进展至关重要，并且可以提供与疾病过程背后的分子机制的表型相关性。

最近，已经为果蝇运动检测策略开发了商用软件工具和具有成本效益的程序，例如在分组果蝇中进行高通量测试⁹，¹⁰和实时测量运动^11，12。一种这样的传统方法是快速交互式负地理分类（RING），也称为攀爬测定，它包括多个通道，允许包含具有相同性别和年龄的大量苍蝇种群，从而^{在收集数据}的同时减少变异9^，13。另一种用于分析运动行为的预测试方法是TriKinetics果蝇活动监测器（DAM），这是一种使用多个光束来检测细玻璃管内苍蝇活动运动的设备¹⁴。该设备连续记录位置，通过计算光束交叉来表示自动运动，以研究苍蝇在较长时间内的活动和昼夜节律¹⁵。尽管这些方法已广泛用于分析果蝇的行为缺陷以确定行为运动的变化，但它们总是需要特殊的测试设备或复杂的分析过程，并且限制了它们在某些模型中的应用，设备有限，简单。用于测试成年果蝇的基于动物追踪组的策略，例如 FlyGrAM¹¹ 和果蝇岛测定¹⁰，在预定义的区域实施社会招募和个体跟踪。然而，由于苍蝇的碰撞或重叠，在被蹂躏的区域，社会个体限制可能会对图像中的识别产生负面影响。尽管一些基于开源材料的方法，如TRex¹⁶、MARGO 12和FlyPi¹⁷，有紧急情况，但它们可以在行为测试中灵活使用，快速追踪苍蝇。这些测试方法与复杂的实验设备安装、特殊软件要求或专业计算机语言有关。对于幼虫，测量每单位时间穿过网格边界线数量的总距离¹⁸，或粗略计算个体的体壁收缩¹⁹，是评估其运动能力的主要方法。由于设备或装置和分析方法缺乏精确性，幼虫的一些行为运动可能逃脱检测，难以准确评估行为运动，尤其是精细运动¹⁵。

本开发的方法利用与斐济（ImageJ）图像处理程序兼容的 AnimalTracker 应用程序编程接口（API），通过分析成蝇和幼蝇的高清（HD）视频中的跟踪行为，系统地评估其运动活动。斐济是一个开源软件ImageJ发行版，可以将强大的软件库与多种脚本语言相结合，从而快速制作图像处理算法的原型，使其图像分析功能在生物学家中很受欢迎²⁰。在当前的方法中，斐济与 AnimalTracker API 的集成被用来开发具有个性化算法插入的独特果 蝇 行为测定，并为详细文档和教程提供了一个有用的步骤，以支持运动行为的强大分析能力（图 1）。为了避免因苍蝇碰撞或重叠而导致图像中客观识别的复杂性，每个竞技场仅限于容纳一只苍蝇。在评估该方法的跟踪精度后，实施它来追踪和量化与有毒药物鱼藤酮一起给药的果 蝇 运动，该药物通常用于帕金森病的动物模型，最终发现药物治疗中的运动障碍²¹。这种方法采用开源和免费软件，不需要高成本的仪器，并且可以精确和可重复地分析 果蝇 的行为运动。