Vjeruje se da alosterija (promjena svojstava enzima na jednom dijelu uzrokovana nekom drugom promjenom na udaljenom mjestu) igra ključnu ulogu u mehanizmu, aktivaciji i inhibiciji, te je od najveće važnosti za funkcioniranje enzima. No usprkos velikom značaju alosterije, njezin mehanizam je još uvijek nepoznat kod većine enzima. Unutar ovog projekta tom će se problemu pristupiti na inovativan način, kombinirajući nekoliko po sebi različitih metoda rijetko korištenih skupa u ovom kontekstu. Same 3D strukture enzima koje nam daje kristalografija rentgenskih zraka (XC), nisu u stanju objasniti u osnovi dinamičku sliku alostrije, te će one biti korištene kao polazne točke za molekulske simulacije (MD). Tako dobivene statičke (XC) i dinamičke (MD) slike enzima biti će povezane u obliku relacijske baze podataka. U ovom obliku te slike će biti idealne za pronalaženje skrivenih veza (putova) između različitih dijelova enzima, što i jest osnova alostrije. Zbog iznimne složenosti i količine podataka u takvoj bazi, u ovom projektu će se pribjeći algoritmima strojnog učenja (ML) koji će obrađivati ove visoko strukturirane podatke. Dakle glavni znanstveni cilj ovog projekta je objasniti mehanizam alosterije u oligomernim enzimima koristeći inovativni pristup u kojem se kombinira informacije dobivene različitim tehnikama: XC, MD i ML. Uz sam mehanizam alosterije unutar projekta će se pokušati razumjeti uloga oligomerizacije u svezi s alosterijom. U konačnici, pronađeni mehanizam alosterije biti će eksperimentalno potvrđen mutiranjem najvažnijih amino-kiselina u alosteričkim putovima pronađenim upotrebom ML algoritama te analizom promjene enzima do kojih dovode te mutacije. To će dati konačan dokaz valjanosti koncepta i algoritama te omogućiti njihovu primjenjivost u širem kontekstu drugih enzima.