Cliquez ici pour accéder à l’archive de notre infolettre (en anglais) et vous y abonner

Cliquez ici pour accéder à nos archives de Décryptages de politique et « Issue trackers » (en anglais)

Diapositives de notre Symposium Conscience sur la découverte de médicaments en science ouverte (en anglais)

Diapositives et affiches de notre symposium CACHE 2024 (en anglais)

Symposium Conscience sur la découverte de médicaments en science ouverte – 7-8 avril 2025 (en anglais)

Le lien ci-dessous contient une liste de lecture de tous les enregistrements du symposium. Cliquez sur le bouton « playlist » dans le coin supérieur droit de la vidéo pour naviguer entre les différentes sessions.

Développer des Médicaments en Science Ouverte – Session d’information (en anglais)

Le défi 2 de CACHE : lumière sur les participants

Webinaire sur les écosystèmes canadiens Gravitate-Health

Articles et prépublications résultant des défis CACHE

In silico screening of LRRK2 WDR domain inhibitors using deep docking and free energy simulations

Subpocket Similarity-Based Hit Identification for Challenging Targets: Application to the WDR Domain of LRRK2

In silico fragment-based discovery of CIB1-directed anti-tumor agents by FRASE-bot

The First CACHE Challenge – Testing Diverse Virtual Screening Scoring Methods to Identify Potential LRRK2 Binders

High-throughput binding free energy simulations: Applications in drug discovery

Protein Structure-Based Organic Chemistry-Driven Ligand Design from Ultralarge Chemical Spaces

Integration of Deep Docking into Virtual Screening Workflow. The CACHE-1 Study Case

Computational Approaches in Drug Design (thesis)

CACHE Challenge #1: targeting the WDR domain of LRRK2, a Parkinson’s Disease associated protein (CACHE #1 Summary Paper)

Logiciels développés par les participants aux défis CACHE

CACHE Challenge 1 – LRRK2 WDR Domain

Koes Lab – University of Pittsburgh

• GNINA – Deep learning for molecular docking
• PharmIt – Interactive exploration of chemical space

Gorgulla Lab – Harvard University & St. Jude Children’s Research Hospital

• VirtualFlow (github and webpage) – Discovering novel drug candidates by virtually screening chemical space on scales not possible before.

Isayev Lab – Carnegie Mellon University

• OpenChem (github and paper) – PyTorch-based deep learning toolkit for computational chemistry and drug design

Kireev Lab – University of Missouri

• FRASE-bot-RDKit (github and paper) – a collection of cheminformatics protocols designed for data processing on FRASE screening, developed in Python with RDKit.