SWISS-MODEL software was used to predict the structure of the protein with the fasta sequence. When choosing templates, in addition to high GMQE, QSQE and identity, attention was paid to templates with small wavelengths to have high resolution in the X-ray method. A total of three templates were selected to observe the differences: 7U9K (more than one type of ligand), 2I80 (one type of ligand), 2I87 (no ligand). Alphafold2 (AF-A0A151Z100-F1-model_v6) and Alphafold3 were used for AI-based prediction. Then it was aligned in pymol along with other homology models (Figure 1). As a result of the alignment, generally all homology models showed a similar structure. Tertiary structure of the models were generally preserved, but problems were observed in some areas. Since the loops have a flexible structure and their shape changes depending on the ligand, these regions are less protected. In addition, there is a gap in residues 68-73 in the template coded 7U9K pdb. In addition, some regions with low confidence in the model taken from AI models are only present in the AI models and not in other templates. Especially residues 248-264 have very low plDDT values and are not well aligned. Overall, the most appropriate model is the 7U9K coded model (GMQE: 0.77, QMEANDisCo: 0.76) because it expresses the active sites better because it contains ligands and also has high sta- tistical values. On the other hand, Alphafold2 made a consistent prediction, but it only represents the apo structure and cannot detect ligand-bound conformations. However, it should not be for- gotten that basically all models are wrong. They are only useful for making specific comments.

Fasta dizisi ile proteinin yapısını tahmin etmek için SWISS-MODEL yazılımı kullanıldı. Şablonlar seçilirken yüksek GMQE, QSQE ve kimliğin yanı sıra şunlara da dikkat edildi: X-ışını yönteminde yüksek çözünürlüğe sahip olmak için küçük dalga boylarına sahip şablonlar kullanılır. Toplam üç Farklılıkları gözlemlemek için şablonlar seçildi: 7U9K (birden fazla ligand türü), 2I80 (bir tür ligand), 2I87 (ligand yok). AI tabanlı tahmin için Alphafold2 (AF-A0A151Z100-F1-model_v6) ve Alphafold3 kullanıldı. Daha sonra diğer homoloji modelleriyle birlikte pirolde hizalandı (Şekil 1). Hizalama sonucunda genel olarak tüm homoloji modelleri benzer bir yapı göstermiştir. Üçüncül modellerin yapısı genel olarak korundu ancak bazı alanlarda sorunlar görüldü. O zamandan beri ilmekler esnek bir yapıya sahiptir ve liganda bağlı olarak şekilleri değişir, bu bölgeler daha az korunmaktadır. Ayrıca 7U9K pdb kodlu şablonda 68-73 numaralı kalıntılarda boşluk bulunmaktadır. Ayrıca yapay zeka modellerinden alınan modele güveni düşük olan bazı bölgeler yalnızca mevcut AI modellerinde ve diğer şablonlarda değil. Özellikle 248-264 kalıntıları çok düşük plDDT'ye sahiptir değerler ve iyi hizalanmamıştır. Genel olarak en uygun model 7U9K kodlu modeldir (GMQE: 0,77, QMEANDisCo: 0.76) çünkü ligandlar içerdiğinden ve ayrıca yüksek sta- istatistiksel değerler.Öte yandan Alphafold2 tutarlı bir tahminde bulundu ancak bu yalnızca apo yapısına sahiptir ve ligand bağlı konformasyonları tespit edemez. Ancak bu şu şekilde olmamalıdır: Temel olarak tüm modellerin yanlış olduğunu anladım. Yalnızca belirli yorumlar yapmak için kullanışlıdırlar.