36.TNIK：原图、模型逻辑与研究范式
36.TNIK：原图、模型逻辑与研究范式
Perry论文题名： A small-molecule TNIK inhibitor targets fibrosis in preclinical and clinical models
期刊与年份： Nature Biotechnology，2025。论文原文。
范围为正文全部编号主图及其子图，包含流程示意图。Extended Data 和 Supplementary Figures 不在本次范围。页码指阅读时所用 PDF 的文件页码。
研究问题： AI 提名的 TNIK 靶点和生成的小分子 INS018_055 能否在细胞、动物及一期人体研究中形成抗纤维化证据链？
为什么把靶点发现和分子生成接在一起
纤维化药物的难点首先不在找到一个能结合蛋白的分子，而在选择一个干预后确实改变疾病的靶点。错误靶点即使得到优良抑制剂，也可能在临床阶段失败。本文把肺、肾纤维化相关组学、文献和生物网络结合，先排序候选，再针对TNIK进行结构导向设计。根据引言和工作流，我推测idea的核心是把两个常被分开的任务串起来：用疾病证据约束生成目标，再用实验检验整条链。这是研究设计的解释，不是作者心理过程的记录。
这不是一个网络一次完成全部发现
靶点筛选还包含人为设定的药物化学条件，因此排名是人机共同构造的决策。讨论算法贡献时，最好区分网络信息增加的候选优先级与过滤规则本身的贡献。单个成功靶点说明流程有价值，但不能估计所有排名的正确率；前瞻比较多个候选与简单排序方法，才更适合回答整体发现效率。
PandaOmics汇总差异表达、网络邻居、通路、图学习及文献信息，输出候选基因排名。蛋白家族、可成药性、新颖性等过滤使“第一名”成为特定设置下的结果，不能理解成所有可能靶点的绝对第一。平台还使用历史时间截断检验目标排序的前瞻性；模型中的因果推断分数或计算模拟敲除仍是计算证据，与真实遗传干预不同。
Chemistry42阶段利用TNIK已知晶体结构的ATP口袋和药效团约束生成化学结构，并结合强化学习、合成可及性及药物化学规则筛选。后续先导还需要优化代谢、溶解性等性质，才得到INS018_055。论文因此是多模型发现平台加传统药理验证，不能归为纯无监督发现，也不能把候选优化全归于单一生成器。结构预测解释设计合理性，细胞、动物和人体实验分别测试越来越接近应用的问题。
模型与疾病之间的证据链包括计算提名、TNIK遗传扰动和药物扰动一致、纤维化表型变化、多器官动物结果及一期人体药代。每一段有独立任务：表达相关性不能替代扰动，动物组织改善不能替代人体疗效，一期健康受试者安全与暴露不能替代IPF患者的长期获益。这里还要沿用原文版本：文章在线发表于2024年，所在卷期为2025年，解释不把两个日期误当成两项不同工作。
Figure 1｜AI 寻找抗纤维化靶点
原图来源：所用 PDF 文件第 3 页，Figure 1。点击图片可查看原图。
图1要读的是靶点怎样被提名。多种评分都指向TNIK，使候选有跨证据类型支持，但这些评分并非完全独立，例如同一文献知识可能同时进入网络与通路。激酶家族图说明它与既有主要抗纤维化靶点不同，支持研究新目标的动机，不代表该家族天然更安全。排名依赖“蛋白和受体激酶”等筛选设置，因而图中的第一名是条件性的。这里产生的是可以被实验推翻的假说，真正的功能证据从后续扰动开始。
| 子图 | 讲解 |
|---|---|
| a | PandaOmics 整合肺、肾纤维化数据提出靶点，随后 Chemistry42 生成 TNIK 小分子抑制剂，连接靶点选择与化学设计。 |
| b | 多种网络、通路、表达及因果推断评分把 TNIK 排为候选第一；这是计算证据的汇总，并非本图已证明药效。 |
| c | 在激酶家族图上标出 TNIK 及现有抗纤维化药物靶点，说明 TNIK 所属 STE20 家族与既有主要药物靶点不同。 |
Figure 2｜结合模型及细胞抗纤维化机制
原图来源：所用 PDF 文件第 4 页，Figure 2。点击图片可查看原图。
图2把药物与TNIK功能联系起来。预测结合姿势叠加已有抑制剂晶体结构，并不是INS018_055复合物的新晶体；要与真实western blot和转录组读数区分。原代细胞中的核计数很重要，因为α-SMA或纤维连接蛋白下降也可能由细胞丢失造成。shRNA与药物对EMT及相关通路产生相近方向，增强TNIK参与这些程序的依据，但不能彻底排除药物其他靶点。最终机制示意总结扰动信息，是有支持的通路模型，不是所有箭头都有单独直接结合证据。
| 子图 | 讲解 |
|---|---|
| a | 叠合 NCB-0846–TNIK 晶体结构与 INS018_055 预测结合姿势，比较关键相互作用；新药姿势是预测结果。 |
| b | 与另一抑制剂 compound 9 的晶体结构比较，突出 Met gatekeeper、铰链区等位置的差异，用于解释结构设计。 |
| c | MRC-5 中测 TGF-β 诱导的 α-SMA 蛋白；INS018_055 降低该肌成纤维细胞标志，表明阻断 FMT 相关程序。 |
| d | 在人原代肺成纤维细胞和支气管上皮细胞中分别测 α-SMA、纤维连接蛋白的剂量反应，并以细胞核数量监测细胞保留率；区分表型抑制与单纯细胞丢失。 |
| e | A549 不同细胞组分的 western blot 查看 E/N-cadherin、SMAD 及 β-catenin，检验 EMT 和 TGF-β/WNT 信号是否被药物逆转。 |
| f | 在 TGF-β/TNF-α 刺激后检测 p65 及其磷酸化，说明药物也影响 NF-κB 炎症信号。 |
| g | 用 TNIK shRNA 敲低并检测 EMT、FAK、SMAD 标志；遗传扰动与药物表型对应，加强 TNIK 参与这些通路的证据。 |
| h | 转录组通路富集比较 TGF-β 刺激、药物和 TNIK 敲低；细胞外基质及相关程序得到恢复，提供整体分子层面的支持。 |
| i | 把细胞扰动结果整合为 TNIK 关联 TGF-β、WNT、YAP–TAZ、TNF-α 的机制图，属于实验支持下的通路解释。 |
Figure 3｜小鼠肺纤维化及急性肺损伤
原图来源：所用 PDF 文件第 6 页，Figure 3。点击图片可查看原图。
图3同时考察慢性纤维化与急性炎症损伤，目的是检验候选是否影响相互关联却不同的疾病程序。博来霉素实验的功能读数和组织学相互补充；与尼达尼布没有显著差异不能证明两药严格等效，低剂量在某些病理指标不显著也应保留。LPS模型中的细胞因子下降支持抗炎效应，但淋巴细胞计数并非每个剂量均显著降低。因此该图不能简化为所有剂量、所有读数全面恢复，剂量及终点的一致性和差异都是结果的一部分。
| 子图 | 讲解 |
|---|---|
| a | 博来霉素肺纤维化的建模、给药与取样时间轴，设不同 INS018_055 剂量和尼达尼布对照。 |
| b | 第 21 天用 Penh 评估呼吸功能；处理组较模型载体组改善，与尼达尼布比较差异不显著。 |
| c | Masson 染色、Ashcroft 评分及胶原 I、α-SMA 染色衡量纤维化。药物减轻多项纤维化指标，但低剂量并非所有指标均显著。 |
| d | LPS 急性肺损伤实验设计，检验炎症损伤情境而非仅慢性纤维化。 |
| e | 比较支气管肺泡灌洗液的淋巴细胞数；不是所有药物剂量均显著降低，应结合图中统计标记判断。 |
| f | ELISA 测灌洗液 IL-6、IL-7、TNF-α、IL-1β、IL-4；处理降低多种炎症因子，提供抗炎作用证据。 |
Figure 4｜吸入给药在大鼠肺纤维化中的验证
原图来源：所用 PDF 文件第 8 页，Figure 4。点击图片可查看原图。
图4从口服转到吸入，并从小鼠转到大鼠。给药途径改变是肺部治疗的实际问题：局部暴露可能与全身暴露不同，不能仅看药物名称就假定相同作用强度。FVC、气道阻力及顺应性提供不同功能侧面，组织学再检查功能改变是否伴随纤维化减轻。部分剂量的功能改善较明显，而显著组织评分集中于较高剂量，提示不同终点的敏感性。口服吡非尼酮是阳性背景对照；给药方式和剂量不同，不宜仅凭某一柱高低宣布临床优劣。
| 子图 | 讲解 |
|---|---|
| a | 大鼠博来霉素模型的吸入给药流程，设置不同吸入浓度及口服吡非尼酮对照。 |
| b | 第 29 天比较 FVC、气道阻力和肺顺应性，INS018_055 改善多个肺功能读数。 |
| c | Ashcroft 评分、Masson 及 H&E 定量评价组织病理；1、6 mg/ml 组有显著改善，补充功能结果的组织学依据。 |
Figure 5｜肾纤维化细胞和动物证据
原图来源：所用 PDF 文件第 9 页，Figure 5。点击图片可查看原图。
图5检验肺之外的纤维化，支持靶点可能连接共享程序。HK-2实验只有一次独立实验，图注明确不作统计结论，因而其剂量趋势仅为初步细胞依据。动物肾组织的Sirius red、羟脯氨酸及胶原染色提供互补读数，最低剂量并非在胶原负荷指标上都有效。多器官结果提高了机制的一般性，但也增加全身作用和安全性问题；肾模型改善不等于已经证明慢性肾病患者获益。其价值是把靶点假说推进到另一器官的独立实验。
| 子图 | 讲解 |
|---|---|
| a | HK-2 细胞中 α-SMA western blot 及 IC50 曲线，显示 TGF-β 表型受抑；图注注明为一次独立实验，不据此作统计结论。 |
| b | 小鼠肾组织 Sirius red 代表图及阳性面积定量，药物减少胶原沉积。 |
| c | 肾脏羟脯氨酸含量作为胶原负荷指标，中高剂量下降而最低剂量未显著下降。 |
| d | 胶原 I 免疫组化评分下降，为肾纤维化改善提供另一读数。 |
Figure 6｜一期临床药代动力学
原图来源：所用 PDF 文件第 10 页，Figure 6。点击图片可查看原图。
图6关注健康受试者能否获得可测且可重复的人体药物暴露。单次递增与多次递增剂量分别观察吸收消除和重复用药过程，新西兰与中国试验增加人群背景。血浆浓度曲线是药代结果，既不是肺功能曲线，也不能作为IPF疗效替代终点。安全性需要结合正文的不良事件记录，不能从曲线平滑推断安全。这样读会看到论文走到临床的一大步，同时保留它距离患者疾病获益还需要进一步试验的边界。
| 子图 | 讲解 |
|---|---|
| a | 新西兰一期试验的单次递增给药 SAD 和多次递增给药 MAD 血浆浓度–时间曲线，用于评估人体暴露和积累。 |
| b | 中国一期试验同类曲线，比较不同人群中的药代过程。此图证明人体药代测量，不能单独证明 IPF 临床疗效。 |
依据：对应主图、完整图注及正文 Results；实验结果只按本文给出的对象和条件解释。
可借鉴的发现路线与我的判断
本文把模型放在候选选择的位置，让后续实验承担越来越强的主张。最值得模仿的是明确中间产物：靶点排序、可合成分子、可扰动的细胞表型和可测暴露。这样的阶段划分使失败能够被定位，不会用一个平台名字覆盖所有不确定性。
公共数据研究AD时，可以用组学和遗传资料提出调控模块或候选靶点，再用独立donor、脑区和公开扰动资料约束。计算模拟敲除应标成模拟结果，关联评分也不能取代真实功能干预。若只做纯计算，论文应把最终贡献限定为稳健提名及独立验证，不声称已经完成药物疗效链。
我还会关注平台可复现性。多种商业模型和内部优化意味着读者很难仅凭主图复现全部流程，适合学习其验证结构，而不应把它当作在个人硬件上直接照抄的完整配方。紧凑、透明的公开模型若配上严格留出和足够独立证据，同样可能回答有价值的问题；决定性部分是主张与证据匹配。
