Uma plataforma flexível para monitorar o aprendizado associativo sensorial dependente do cerebellum

Resumo

Desenvolvemos uma única plataforma para rastrear o comportamento animal durante duas tarefas de aprendizagem associativa dependentes de fibras. O design de baixo custo permite a integração com experimentos optogenéticos ou de imagem direcionados à atividade cerebelar associada à fibra.

Resumo

As entradas de fibra de escalada para as células Purkinje fornecem sinais instrutivos críticos para o aprendizado associativo dependente do cerebelo. Estudar esses sinais em camundongos fixos na cabeça facilita o uso de métodos de imagem, eletrofisiológico e optogenético. Aqui, foi desenvolvida uma plataforma comportamental de baixo custo (~US$ 1000) que permite o rastreamento do aprendizado associativo em ratos fixos que locomotem livremente em uma roda de corrida. A plataforma incorpora dois paradigmas comuns de aprendizagem associativa: condicionamento de olho e condicionamento tátil retardado. O comportamento é rastreado usando uma câmera e o movimento da roda por um detector. Descrevemos os componentes e a configuração e fornecemos um protocolo detalhado para treinamento e análise de dados. Esta plataforma permite a incorporação de estimulação optogenética e imagens de fluorescência. O design permite que um único computador hospedeiro controle várias plataformas para treinar vários animais simultaneamente.

Introdução

O condicionamento pavloviano da associação subcaída entre estímulos para obter uma resposta condicionada tem sido usado há muito tempo para sondar o aprendizado dependente de cerebelar. Por exemplo, no condicionamento clássico de desintegação (DEC), os animais aprendem a fazer um piscar de proteção bem cronometrado em resposta a um estímulo condicional neutro (CS; por exemplo, um flash de luz ou tom auditivo) quando é emparelhado repetidamente com um estímulo incondicional (EUA; por exemplo, um sopro de ar aplicado à córnea) que sempre provoca um reflexo piscando, e que vem no final ou perto do CS. A resposta aprendida é referida como uma resposta condicionada (CR), enquanto a resposta reflexa é referida como a resposta incondicionada (UR). Em coelhos, lesões específicas de cerebelo interrompem essa forma de aprendizado 1,2,3,4. Além disso, os picos complexos de células Purkinje, impulsionados por suas entradas^{de fibra de escalada 5}, fornecem um sinal necessário^{de 6,7} e ^8,9 suficientes para a aquisição de CRs devidamente cronometrado.

Mais recentemente, paradigmas de aprendizagem associativa dependentes de fibras foram desenvolvidos para ratos com fixação de cabeça. O DEC foi o primeiro paradigma de aprendizagem associativa a ser adaptado a essa configuração^10,11. DEC em camundongos fixos na cabeça tem sido usado para identificar regiões cerebelares 11,12,13,14,15,16,17 e elementos de circuito^11,1 2,13,14,15,18,19 que são necessários para aquisição e extinção de tarefas. Essa abordagem também tem sido usada para demonstrar como a representação fisiológica de nível celular dos parâmetros de tarefa evolui com o aprendizado 13,15,16.

Além do eyeblink, o paradigma de condicionamento tátil de início de partida (DTSC) foi recentemente desenvolvido como uma nova tarefa de aprendizagem associativa para ratos fixos na cabeça²⁰. Conceitualmente semelhante ao DEC, o DTSC envolve a apresentação de um CS neutro com um US, um toque no rosto suficiente em intensidade para engajar um reflexo de medo ^21,22 como ur. No paradigma DTSC, tanto a UR quanto a CR são lidas como locomoção retrógrada em uma roda. O DTSC tem sido usado agora para descobrir como o aprendizado associativo altera a atividade cerebelar e os padrões de expressão genética²⁰.

Neste trabalho, foi desenvolvido um método para aplicar de forma flexível o DEC ou DTSC em uma única plataforma. Os atributos de estímulo e plataforma são esquematizados na Figura 1. O design incorpora a capacidade de rastrear o comportamento animal com uma câmera, bem como um codificador rotativo para rastrear a locomoção do rato em uma roda. Todos os aspectos da estrutura de registro e ensaio de dados são controlados por microcontroladores emparelhados (Arduino) e um computador de placa única (SBC; Raspberry Pi). Esses dispositivos podem ser acessados através de uma interface de usuário gráfica fornecida. Aqui, apresentamos um fluxo de trabalho para configuração, preparação e execução de experimentos e um pipeline de análise personalizado para visualização de dados.

Protocolo

Os protocolos animais descritos aqui foram aprovados pelos Comitês de Cuidados e Uso de Animais da Universidade de Princeton.

1. Configuração do SBC

1. Conecte o cabo de interface serial da câmera (CSI) à câmera Raspberry NoIR V2 e à porta da câmera no SBC.
2. Baixe o sistema operacional para o SBC no computador hospedeiro. Escreva a imagem do sistema operacional para um cartão digital micro seguro (microSD).
   NOTA: Instruções detalhadas para estes procedimentos para um Raspberry Pi SBC podem ser encontradas em outros lugares²³. O sistema foi testado usando os seguintes sistemas operacionais: Stretch, Buster, Bullseye.
3. Para habilitar a comunicação segura do shell, crie um arquivo sem extensão chamado "ssh" na partição inicial do cartão microSD. Feito isso, ejete o cartão microSD da máquina host e insira-o no slot do cartão microSD SBC. Ligue o SBC conectando sua fonte de alimentação.
4. Prepare o SBC para aceitar uma conexão com fio com o host.
   1. Conecte um monitor com um cabo apropriado ao SBC. Abra um terminal, digite o comando ifconfig e regise o endereço IP ethernet do SBC.
      NOTA: O raspberry Pi modelo 3B+ tem uma porta de tela HDMI, enquanto o modelo 4B tem uma porta micro-HDMI.
   2. Vá para a guia Interface da configuração Raspberry Pi e habilite as opções para Câmera, protocolo de rede shell seguro (SSH) e Virtual Network Computing (VNC).
5. Estabeleça uma conexão com fio entre o computador host e o SBC.
   1. Conecte um cabo ethernet à porta ethernet no SBC e um computador host. Conecte a outra extremidade desses cabos a um interruptor ethernet.
   2. Use um cliente de computação de rede virtual, como o VNC viewer²⁴ e acesse a área de trabalho usando o endereço IP SBC e a autenticação padrão (usuário = "pi", senha = "framboesa").
6. Baixe o software necessário incluído nas etapas do protocolo.
   ATENÇÃO: Altere o nome de usuário e a senha padrão para evitar acesso não autorizado ao SBC.
   1. Digite o seguinte comando no terminal SBC para baixar o software da plataforma:
      clone git --profundidade=1 https://github.com/gerardjb/assocLearnRig
   2. Digite os seguintes comandos para baixar as bibliotecas python necessárias.
      cd assocLearnRig
      setup.py python3
   3. Para permitir o controle direto sobre o microcontrolador, conecte-se ao SBC e baixe o microcontrolador ambiente de desenvolvimento integrado (IDE) seguindo as etapas 1.6.4-1.6.7.
   4. Abra o navegador da Web no desktop SBC e navegue até https://arduino.cc/en/software. Baixe a versão mais recente do Linux ARM de 32 bits do IDE.
   5. Abra uma janela de terminal na área de trabalho SBC e navegue até o diretório de downloads digitando cd Downloads/
   6. Para instalar o IDE, digite os seguintes comandos no terminal:
      tar -xf arduino--linuxarm.tar.xz
      sudo mv arduino- /opt
      sudo /opt/arduino-/install.sh
      (aqui é a versão do IDE baixado)
   7. Abra uma instância do IDE microcontrolador na área de trabalho SBC. Selecione a opção de menu Ferramentas > Gerenciar bibliotecas. Instale a biblioteca "Encoder" de Paul Stoffregen.
7. Expanda a memória a bordo do SBC com um pen drive USB.
   1. Insira um pen drive em uma porta USB no SBC. Use uma porta USB 3.0 se estiver disponível.
   2. Digite as ls terminais -l /dev/disk/by-uuid/ para encontrar o pen drive e sua referência única (UUID). Grave o UUID.
   3. Para permitir que o usuário pi escreva para o dispositivo USB, digite os seguintes comandos um a um no terminal:
      sudo mkdir /media/usb
      sudo chown -R pi:pi /media/usb
      sudo mount /dev/sda1 /media/usb -o uid=pi,gid=pi
      NOTA: O pen drive pode ser adicionado como um dispositivo que será montado automaticamente quando o SBC reiniciar adicionando a seguinte linha ao final do arquivo fstab em /etc/fstab:
      UUID= /media/usb vfat auto,nofail,noatime,users,rw,uid=pi,gid=pi 0 0

2. Hardware de estímulo de fiação e estágio de montagem

1. Conecte e prepare microcontroladores.
   1. Conecte o SBC à porta de programação do microcontrolador (Arduino Due) com um cabo USB2 tipo A a USB2 micro.
      NOTA: Utilize um cabo de alta qualidade, como o produto na Tabela de Materiais , para garantir o bom funcionamento.
   2. Localize "dueAssocLearn.ino" no repositório do projeto baixado. Abra o esboço com o IDE microcontrolador e carregue-o para o microcontrolador conectado ao SBC.
   3. Baixe e instale a versão apropriada do IDE Arduino no computador host.
   4. Conecte o computador hospedeiro ao microcontrolador (Arduino Uno) com um cabo USB2 tipo B a USB2 tipo A.
   5. Vá ao repositório do GitHub (https://github.com/gerardjb/assocLearnRig) e baixe o esboço "DTSC_US.ino" para o computador hospedeiro.
   6. No computador host, execute o IDE microcontrolador e abra o esboço "DTSC_US.ino" e, em seguida, carregue-o para o microcontrolador.
2. Conecte fios aos microcontroladores, prancha, LEDs, codificador rotativo, motor stepper com motorista e válvula solenoide com driver como indicado no diagrama fritzing na Figura 2.
3. Ligue o motor do estepe e a válvula solenoide.
   1. Conecte corretamente um canal de uma fonte de alimentação aos pinos +V e GND do motor do estepe.
   2. Ligue a fonte de alimentação e coloque a tensão do canal anexada em 25 V.
      NOTA: Se as conexões entre o motor do estepe, o motorista e a fonte de alimentação estiverem corretamente configuradas, um LED indicador verde no motor do estepe acenderá.
   3. Conecte corretamente o chumbo positivo de uma fonte de alimentação ao pino de tensão da válvula solenoide e o outro chumbo positivo para o pino de tensão de espeto.
   4. Conecte as pistas negativas a um solo compartilhado com o sinal de controle.
   5. Ligue a fonte de alimentação e coloque o canal conectado à tensão de retenção em cerca de 2,5 V e o canal conectado à tensão de espigão a cerca de 12 V.
4. Conecte uma fonte de ar regulada a uma pressão de ~20 PSI à válvula solenoide usando o adaptador luer.
5. Teste que todos os componentes de estímulo e câmera estão funcionando corretamente.
   1. Abra um terminal no SBC e digite cd ~/assocLearnRig para navegar até o repositório do GitHub clonado.
   2. No terminal, digite python3 assocLearnRig_app.py para iniciar a interface gráfica de usuário de controle.
   3. Inicie o fluxo da câmera apertando o botão Stream .
   4. Selecione o botão DE Rádio DEC , faça upload para o microcontrolador e inicie uma sessão com parâmetros padrão apertando o botão Iniciar Sessão .
      NOTA: Após esta etapa, uma impressão do registro de dados deve aparecer no terminal, a mensagem no fluxo da câmera deve desaparecer e o LED CS e a válvula solenoide US devem ligar e desligar em momentos apropriados durante cada teste.
   5. Após o término da sessão, repita as etapas anteriores com o botão de rádio DTSC selecionado.
      NOTA: Esboços no repositório do GitHub ("testStepper.ino", "testRotary.ino" e "testSolenoid.ino") podem ser usados para testar componentes individuais se as etapas acima não fornecerem resultados satisfatórios.
6. Faça a roda de corrida.
   1. Corte uma roda de 3" de um rolo de espuma. Faça um furo de 1/4" no centro exato da roda para que a roda não oscilar quando for virada pela locomoção do mouse.
   2. Insira um eixo de 1/4" na roda e fixe-o no lugar usando cubos de fixação colocados em cada lado da roda.
7. Afixe o codificador rotativo em um canal de alumínio de 4,5" usando um parafuso M3. Estabilize o canal de alumínio na placa de alumínio usando um suporte de ângulo reto com um parafuso de 1/4", porca e arruela, como mostrado.
8. Fixar a roda e o codificador rotativo usando uma manga de acoplamento de eixo.
9. Estabilize o lado livre do eixo da roda com um rolamento inserido em um grampo final de ângulo reto instalado em um poste óptico montado em breadboard.
   NOTA: Certifique-se de que a roda gira livremente sem balançar quando girada à mão.
10. Posicione o hardware de estímulo, a contenção da cabeça, a matriz de luz infravermelha e a picamera ao redor da roda montada.
    1. Posicione as amarras da cabeça usando postes ópticos e grampos postais de ângulo reto para que os postes da cabeça estejam 1,5 cm à frente do eixo da roda e 2 cm acima da superfície da roda. (Os valores são para um mouse de 20 g).
    2. Posicione o LED CS e a saída da válvula solenoide utilizada para o DEC US a menos de 1 cm do olho utilizado para o DEC.
    3. Monte o motor de estepe usado para o DTSC US
    4. Monte a picamera em um poste óptico ~10 cm de onde o animal estará.
       NOTA: O design para a montagem picamera pode ser feito em uma impressora 3D a partir do arquivo em "RaspPiCamMount1_1.stl" no repositório do GitHub.
    5. Coloque a matriz de luz infravermelha ligeiramente acima e voltada diretamente para a posição do rosto do mesmo lado que a picamera.
    6. Faça um estímulo tátil para DTSC, gravando espuma na borda de um pedaço de acrílico montado em um eixo de 1/4" usando um cubo de fixação. Conecte o estímulo tátil ao eixo do motor do estepe.
       NOTA: O design da peça acrílica pode ser cortado a laser seguindo o padrão em "TactileStimDesign.pdf" no repositório do GitHub.

3. Preparar e executar experimentos de comportamento

1. Implantando placa de cabeça do rato.
   1. Anestesiar um mouse usando 2% de isoflurane e correção da cabeça em um quadro estereotático.
   2. Aplique uma pomada oftalmica aos olhos.
   3. Raspe o couro cabeludo usando água com sabão e um bisturi estéril. Injete lidocaína diretamente sob a pele do local da incisão e limpe o local cirúrgico com povidone.
   4. Faça uma incisão com um bisturi ao longo da linha média do couro cabeludo da borda traseira dos olhos até a borda traseira do crânio, tomando cuidado para não pressionar muito forte no crânio.
   5. Espalhe a incisão aberta e aperte ambos os lados com hemostatas estéreis para mantê-la aberta. Remova suavemente o periosteum usando um cotonete mergulhado com etanol e permita que a superfície do crânio exposto seque.
   6. Posicione o nível da placa de cabeça no crânio, certificando-se de posicionar a frente da placa posterior aos olhos. Use cola cianoacrilato para prender a placa do crânio e permitir que a cola seque completamente.
   7. Misture o pó de cimento dental (1 colher), solvente (2 gotas) e catalisador (1 gota) em um prato de mistura e aplique em todas as áreas do osso exposto. Adicione camadas até que a superfície esteja alinhada com a borda superior da placa, certificando-se de que a placa está bem presa ao crânio.
   8. Sutura a pele fechada atrás e na frente da placa, se necessário.
   9. Injete analgesia pós-operatória, como carprofeno por diretrizes institucionais, permitindo que o animal se recupere por pelo menos 5 dias.
2. Preparando-se para sessões de comportamento.
   1. Permita que os animais de teste se habituam à plataforma, montando-os na contenção da cabeça para sessões de 30 minutos durante 5 dias de experimentos anteriores.
      NOTA: Ao final das sessões de habituação, os animais devem correr confortavelmente ao volante.
   2. (Somente DEC) Antes das sessões, certifique-se de que a saída da válvula solenoide esteja centrada no olho alvo posicionado a > 1 cm de distância.
   3. (Somente DEC) Atue manualmente um sopro de ar usando o botão de pressão. Certifique-se de que o mouse produz prontamente um piscar de olhos sem mostrar sinais de estresse, como adotar uma postura curvada ou agarrar a região periocular afetada com a prenéus ipsilateral.
   4. (Somente DTSC) Antes das sessões, certifique-se de que o estímulo tátil esteja centrado no nariz do animal posicionado ~1,5 cm de distância.
      NOTA: Quando uma sessão comportamental DTSC não está em funcionamento, o motor do estepe é automaticamente inativado para permitir o reposicionamento manual.
   5. (Somente DTSC) No terminal SBC, digite python3 assocLearnRig_app.py para iniciar a GUI.
   6. (Somente DTSC) Execute uma sessão de teste de três ensaios com os parâmetros padrão apertando o botão Iniciar sessão na GUI.
   7. (Somente DTSC) Certifique-se de que os dados registrados que imprimem no terminal mostram uma deflexão superior a 20, mas menos de 100 etapas registradas no codificador rotativo após os EUA em cada teste.
      ATENÇÃO: Para evitar danos e reduzir o estresse ao animal, inicie o estímulo mais longe do animal e aproxime-o até que as condições necessárias sejam atendidas.
3. Executando sessões comportamentais com registro de dados.
   1. Monte um rato na contenção da cabeça.
   2. No terminal da SBC, o tipo python3 assocLearnRig_app.py para iniciar a GUI.
   3. Para permitir gravações de câmera durante os testes comportamentais, aperte o botão Stream .
      NOTA: As sessões podem ser executadas sem uma câmera. Neste caso, apenas dados do codificador rotativo e dos horários de apresentação de estímulo são registrados.
   4. Insira informações de identificação do animal no campo de identificação animal e aperte o botão Definir .
   5. Selecione o DEC ou O DTSC do botão de rádio sob o título Tipo de sessão , dependendo do paradigma comportamental desejado.
   6. Insira os parâmetros de experimento desejados para os campos abaixo do campo Animal ID e aperte o botão Upload para Arduino .
      NOTA: Detalhes dos parâmetros do experimento podem ser encontrados na seção README do repositório do GitHub.
   7. Aperte o botão Sessão iniciar para iniciar a sessão.
   8. Quando uma sessão é inicializada, os dados começarão a ser logados em um novo diretório criado em "/mídia/usb" no ponto de montagem do pen drive SBC.

4. Exportar e analisar dados

1. Para exportar todas as sessões gravadas para o computador host, abra um prompt de comando e insira o comando pscp -r pi@Pi_IP_address:/media/usb* host_computer_destination e, em seguida, autentique com a senha SBC.
   NOTA: O comando acima é para uma máquina Windows. Nas máquinas Mac e Linux, use o terminal e substitua o "pscp" por "scp".
2. Instale o Anaconda²⁵ ou outro gerenciador de pacotes python (PPM) no computador host.
3. Vá ao repositório do GitHub e baixe "analyzeSession.py", "summarizeSessions.py", "session2mp4s.py" e "requirementsHost.txt".
4. Abra um prompt PPM e tipo conda install --file directory_containing_requirementsHostrequirements Host.txt para garantir que a instalação do pacote Python tenha as bibliotecas python necessárias.
5. No prompt, digite cd directory_containing_analyzeData para navegar até o diretório contendo "analyzeData.py" e "session2mp4s.py". Execute o programa de análise digitando analyzeSession.py python
   NOTA: Uma mensagem de erro será gerada se usar uma versão Python 2 como python. Para verificar a versão, digite python -V no prompt.
6. Selecione o diretório contendo os dados quando solicitado. Diretórios com subdiretórios múltiplos serão analisados sequencialmente.
7. Para sessões de DEC, para cada diretório de sessão analisado, selecione uma região de interesse (ROI) contendo o olho do mouse a partir de uma imagem média de ensaio.
   NOTA: Os arquivos de dados de análise final e os gráficos de resumo serão preenchidos em um subdiretório de cada diretório de sessão analisado.
8. Digite summarizeSessions.py python para gerar dados de resumo em várias sessões.
9. Digite a session2mp4s.py de python imediata para converter arquivos de dados de imagem em arquivos .mp4 visualizados.

Resultados

Fluxo de trabalho para experimentos e análises de DEC
A seleção adequada de parâmetros experimentais é importante para o treinamento bem sucedido de condicionamento de de atmoscção (DEC). Para os dados aqui apresentados, a GUI foi utilizada para escolher uma duração CS de 350 ms e uma duração norte-americana de 50 ms. Essa combinação resulta em um intervalo de inter-estímulo de 300 ms: tempo suficiente para evitar a produção de CR de baixa amplitude¹⁰ e curto o ...

Discussão

A plataforma com protocolos associados aqui descritos pode ser usada para rastrear de forma confiável o comportamento animal em duas tarefas de aprendizagem associativa sensorial. Cada tarefa depende da comunicação intacta através da via de fibra de escalada. No design aqui descrito, incorporamos elementos para facilitar o aprendizado e gravação/perturbação da resposta cerebelar. Estes incluem uma roda para permitir locomoção gratuita ^11,18, bem como fi...

Materiais

Name	Company	Catalog Number	Comments
"B" Quick Base For C&B METABOND - 10 mL bottle	Parkell	S398	Dental cement solvent
"C" Universal TBB Catalyst - 0.7 mL	Parkell	S371	Catalyst
#8 Washers	Thorlabs	W8S038	Washers
0.250" (1/4") x 8.00" Stainless Steel Precision Shafting	Servocity	634172	1/4" shaft
0.250” (0.770") Clamping Hub	Servocity	545588	Clamping hub
1/4" to 6 mm Set Screw Shaft Coupler- 5 pack	Actobotics	625106	Shaft-coupling sleeve
1/4"-20 Cap Screws, 3/4" Long	Thorlabs	SH25S075	1/4" bolt
100 pcs 5 mm 395–400 nm UV Ultraviolet LED Light Emitting Diode Clear Round Lens 29 mm Long Lead (DC 3V) LEDs Lights +100 pcs Resistors	EDGELEC	‎ED_YT05_U_100Pcs	CS LEDs
2 m Micro HDMI to DVI-D Cable - M/M - 2 m Micro HDMI to DVI Cable - 19 pin HDMI (D) Male to DVI-D Male - 1920 x 1200 Video	Star-tech	‎HDDDVIMM2M	Raspberry Pi4B to monitor cable
256 GB Ultra Fit USB 3.1 Flash Drive	SanDisk	‎SDCZ430-256G-G46	USB thumb drive
3.3 V–5 V 4 Channels Logic Level Converter Bi-Directional Shifter Module	Amazon	B00ZC6B8VM	Logic level shifter
32 GB 95 MB/s (U1) microSDHC EVO Select Memory Card	Samsung	‎MB-ME32GA/AM	microSD card
4.50" Aluminum Channel	Servocity	585444	4.5" aluminum channel
48-LED CCTV Ir Infrared Night Vision Illuminator	Towallmark	SODIAL	Infrared light array
4PCS Breadboards Kit Include 2PCS 830 Point 2PCS 400 Point Solderless Breadboards for Proto Shield Distribution Connecting Blocks	REXQualis	B07DL13RZH	Breadboard
5 Port Gigabit Unmanaged Ethernet Network Switch	TP-Link	‎TL-SG105	Ethernet switch
5 V 2.5 A Raspberry Pi 3 B+ Power Supply/Adapter	Canakit	‎DCAR-RSP-2A5	Power supply for Raspberry Pi 3B+
5-0 ETHILON BLACK 1 x 18" C-3	Ethicon	668G	Sutures
6 mm Shaft Encoder 2000 PPR Pushpull Line Driver Universal Output Line Driver Output 5-26 V dc Supply	Calt	B01EWER68I	Rotary encoder
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 1", 5 Pack	Thorlabs	TR1-P5	Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 2", 5 Pack	Thorlabs	TR2-P5	Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 4", 5 Pack	Thorlabs	TR4-P5	Optical posts
Ø1/2" Optical Post, SS, 8-32 Setscrew, 1/4"-20 Tap, L = 6", 5 Pack	Thorlabs	TR6-P5	Optical posts
Ø1/2" Post Holder, Spring-Loaded Hex-Locking Thumbscrew, L = 2"	Thorlabs	PH2	Optical post holder
Adapter-062-M X LUER LOCK-F	The Lee Co.	TMRA3201950Z	Solenoid valve luer adapter
Aeromat Foam Roller Size: 36" Length	Aeromat	B002H3CMUE	Foam roller
Aluminum Breadboard 10" x 12" x 1/2", 1/4"-20 Taps	Thorlabs	MB1012	Aluminum breadboard
Amazon Basics HDMI to DVI Adapter Cable, Black, 6 Feet, 1-Pack	Amazon	HL-007347	Raspberry Pi3B+ to monitor cable
Arduino  Uno R3	Arduino	A000066	Arduino Uno (microcontroller board)
Arduino Due	Arduino	‎A000062	Arduino Due (microcontroller board)
Bench Power Supply, Single, Adjustable, 3 Output, 0 V, 24 V, 0 A, 2 A	Tenma	72-8335A	Power supply
Clear Scratch- and UV-Resistant Cast Acrylic Sheet, 12" x 24" x 1/8"	McMaster Carr	8560K257	Acrylic sheet
CNC Stepper Motor Driver 1.0–4.2 A 20–50 V DC 1/128 Micro-Step Resolutions for Nema 17 and 23 Stepper Motor	Stepper Online	B06Y5VPSFN	Stepper motor driver
Compact Compressed Air Regulator, Inline Relieving, Brass Housing, 1/4 NPT	McMaster Carr	6763K13	Air source regulator
Cotton Swab	Puritan	806-WC	Cotton swab
Dell 1908FP 19" Flat Panel Monitor - 1908FPC	Dell	1908FPC	Computer monitor
Flex Cable for Raspberry Pi Camera	Adafruit	2144	camera serial interface cable
High Torque Nema 17 Bipolar Stepper Motor 92 oz·in/65 N·cm 2.1 A Extruder Motor	Stepper Online	17HS24-2104S	Stepper motor
Isoflurane	Henry Schein	66794001725	Isoflurane
Krazy Maximum Bond Permanent Glue, 0.18 oz.	Krazy Glue	KG483	Cyanoacrylate glue
Lidocaine HCl	VetOne	510212	Lidocaine
Low-Strength Steel Hex Nut, Grade 2, Zinc-Plated, 1/4"-20 Thread Size	McMaster Carr	90473A029	Nuts
M3 x 50 mm Partially Threaded Hex Key Socket Cap Head Screws 10 pcs	Uxcell	A16040100ux1380	M3 bolt
NEMA 17 Stepper Motor Mount	ACTOBOTICS	555152	Stepper motor mount
Official Raspberry Pi Power Supply 5.1 V 3 A with USB C - 1.5 m long	Adafruit	4298	Power supply for Raspberry Pi 4B
Optixcare Dog & Cat Eye Lube Lubricating Gel, 0.70-oz tube	Optixcare	142422	Opthalimic ointment
Precision Stainless Steel Ball Bearing, Shielded, Trade No. R188-2Z, 13000 rpm Maximum Speed	McMaster-Carr	3759T57	Bearing
Premium Female/Female Jumper Wires - 40 x 6"	Adafruit	266	Wires
Premium Female/Male 'Extension' Jumper Wires - 40 x 6" (150 mm)	Adafruit	826	Wires
Premium Male/Male Jumper Wires - 40 x 6"	Adafruit	758	Wires
Radiopaque L-Powder for C&B METABOND - 5 g	Parkell	S396	Dental cement powder
Raspberry Pi (3B+ or 4B)	Adafruit	3775 or 4295	Raspberry Pi
Raspberry Pi NoIR Camera Module V2 - 8MP 1080P30	Raspberry Pi Foundation	RPI3-NOIR-V2	Raspberry NoIR V2 camera
Right-Angle Bracket, 1/4" (M6) Counterbored Slot, 8-32 Taps	Thorlabs	AB90E	Right-angle bracket
Right-Angle Clamp for Ø1/2" Posts, 3/16" Hex	Thorlabs	RA90	Right-angle optical post clamp
Right-Angle End Clamp for Ø1/2" Posts, 1/4"-20 Stud and 3/16" Hex	Thorlabs	RA180	Right-angle end clamp
RJ45 Cat-6 Ethernet Patch Internet Cable	Amazon	‎CAT6-7FT-5P-BLUE	Ethernet cable
Rotating Clamp for Ø1/2" Posts, 360° Continuously Adjustable, 3/16" Hex	Thorlabs	SWC	Rotating optical post clamps
Spike & Hold Driver-0.1 TO 5 MS	The Lee Co.	IECX0501350A	Solenoid valve driver
Swivel Base Adapter	Thorlabs	UPHA	Post holder adapter
USB 2.0 A-Male to Micro B Cable, 6 feet	Amazon	‎7T9MV4	USB2 type A to USB2 micro cable
USB 2.0 Printer Cable - A-Male to B-Male, 6 Feet (1.8 m)	Amazon	B072L34SZS	USB2 type B to USB2 type A cable
VHS-M/SP-12 V	The Lee Co.	INKX0514900A	Solenoid valve
Zinc-Plated Steel 1/4" washer, OD 1.000"	McMaster Carr	91090A108	Washers