Другим фактором, который не учитывают нейросети, является ландшафт белка — наличие у одного белка множества варианов конформаций белковой цепи, включая множество «неправильных» или редко встречающихся укладок, возникающих при определённых мутациях или внешних условиях. Эти «мутантные» конформации могут никак не влиять на активность белка и возможность выполнения им его биологической функции, но они способны радикально менять его взаимодействие с другими лигандами, включая лекарственные препараты, что напрямую связано с развитием лекарственной устойчивости.

Так, группа британских учёных (настоящих, не из анекдота) опубликовала работу, в которой они изучали конформационный ландшафт β-лактамазы PDC-3 — фермента, разрушающего антибиотики и вызывающего устойчивость у бактерии Pseudomonas aeruginosa.

Используя метод ускоренной молекулярной динамики, они заставили одну из петель белковой цепи преодолевать энергетические барьеры и принимать редкие конформации, недоступные при обычном моделировании.

Всего было идентифицировано три основных семейства конформаций: кристаллоподобное (активный центр открыт), расширенное (активный центр расширен) и суженное (петля цепи сдвинута, полностью перекрывая активный центр).

Интересно, что в суженном состоянии на внешней стороне петли открывался ранее неизвестный криптический карман, который может служить мишенью для аллостерических ингибиторов нового типа. Ключевыми «молекулярными переключателями», управляющими переходом между этими состояниями, оказались остатки 219 и 221 (глутаминовая кислота и тирозин).

Мутации в этих позициях, хорошо известные по клиническим данным, приводят к изменениям в конформации, дедающим активный центр более доступными и более устойчивым к действию антибиотиков цефтазидима и цефтолозана.

Таким образом, эта работа демонстрирует, что предсказание одной статической структуры белка (даже с помощью AlphaFold) совершенно недостаточно для понимания механизмов лекарственной устойчивости и поиска новых мишеней. Только анализ полного конформационного ландшафта — с привлечением методов ускоренной молекулярной динамики и интеллектуального анализа больших данных — позволяет выявить скрытые состояния и криптические карманы, открывающие путь к аллостерическим ингибиторам следующего поколения.