最近，InSilico Medicine在nature biotechnology发表文章《A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models》，介绍其核心产品TNIK的抑制剂INS018_055的靶点发现、分子生成和临床1期试验结果。笔者此前已在《InSilico Medicine的核心产品ISM001-055长啥样？》介绍过类似的内容，重复的内容就不介绍了。本文主要介绍PandaOmics平台的靶点预测原理以及对INS018_055的分子来源分析。
PandaOmics靶点发现平台
纳入了源自IPF患者组织样本的多组学数据集列表，作为计算流程的基础。该pipeline结合了几种不同但互补的计算方法，所有这些方法在输出方面都很相似（基因的排名列表，按最有前途的靶标排序），但在输入数据方面有所不同。除了多组学数据集之外，还包括依赖于生物网络分析和来自科学文献的文本数据以及节点度偏差控制的方法。
Insilico使用某个时间点之前发布的数据来训练计算模型，并通过模型预测该时间点之后成为热点靶标的能力来验证模型输出。为了生成纤维化的潜在靶标，将“蛋白质和受体激酶”场景应用于纤维化相关数据集，包括反映疾病机制的网络组成部分以及基于转录因子富集的因果推断的分数。在下游处理步骤中启用了蛋白质类别（仅限蛋白质和受体激酶）、新颖性和小分子成药性过滤器。
TNIK在候选靶标中排名第一，具有相对较高的网络邻居、因果推理、通路、相互作用组群落、表达、异质图行走和矩阵分解得分值（图1）。TNIK与纤维化驱动途径相关，包括WNT、TGF-β、Hippo、 JNK和NF-κB信号传导。然而，TNIK尚未被研究作为IPF的治疗靶点。
接下来对PandaOmics分数进行了透明度分析。相互作用组群透明度显示，TNIK抑制与已知对纤维化进展重要的多种生物过程有关，例如粘着斑信号传导、肌成纤维细胞分化和间充质细胞迁移。因果推理透明性表明，TNIK与IPF相关基因紧密相连，包括TGFB1、FGR、FLT1、KDR等。最后，使用AI驱动的从头通路重建工具，证明TNIK激活先前描述的与IPF相关的通路。这些基因集受到下游转录因子的调节，包括TCF-LEF、SMAD、NF-κB和TEAD家族。
INS018_055怎么来的？
笔者此前的文章《InSilico Medicine的核心产品ISM001-055长啥样？》介绍了INS018_055的潜在专利和结构，和文章公开的结果与笔者猜测的其中一个结构很接近（只相差了一个杂环氮原子）。
Insilico在论文中提到了AI驱动的平台被配置为产生能够与TNIK铰链区的Cys108-NH形成氢键的小分子结构。除了活性位点之外，靶向不太保守的相邻变构袋（例如靠近gatekeeper的疏水后腔）可以实现更好的选择性。因此，应用额外的疏水药效团点来优先考虑具有疏水功能的结构，以深度占据由Met105、Leu73、Leu103、Ala52和Val104形成的后腔。
结合模式显示，INS018_055的羧基氧与铰链区内的Cys108-NH形成氢键。酰胺NH和近端咪唑中的氮之间的分子内氢键稳定了平面构象。此外，该咪唑的NH可以与Met105的侧链形成氢键（NH和硫的距离约3.2 Å）。第二个咪唑将对氟苯基投射到后袋中，并将异丙基朝向Asn158和Gln157中。对氟苯基不仅正确地容纳在后腔内，而且与Met105的C-S-C共面（从S到环最近的C的距离为3.8 Å）。
论文中还对比了已有共晶结构的TNIK抑制剂NCB-0846、compound 9和INS018_055的结合模式，可以明显发现INS018_055与TNIK的相互作用更强，试验测得的Kd值也证明了AI设计的成功。
笔者对比了compound 9和INS018_055的结构，除了对氟苯基，其它片段显然对应着同一个药效团。这也算是解答了笔者心中的疑惑，因为此前笔者在文章《InSilico Medicine的核心产品ISM001-055长啥样？》中并没有在报道过的TNIK抑制剂中找到与INS018_055相似性较高的分子，现在有种恍然大悟的感觉。
笔者相信这个级别的分子设计完全有可能是AI设计的，目前部分基于结构的分子生成模型是能达到这种效果的。
