С помощью muscle сделали выравнивание эндолизина фага LYS_LAMBD и лизоцима форели (PDB 1lmp), поправили заголовки, сохранили в pir.

>P1;seq sequence:ХХХХХ::::::: 0.00: 0.00 MVEINNQRKAFLDMLAWSEGTDNGRQKTRNHGYDVIVGGEL-----FTDYSDHPRKLVTLNPKLKSTGAGRY QLLSRWWDAYRKQLGLKDFSPKSQDAVALQQIKERGALPMIDRGDIRQAIDRCSNIWASLPGAGYGQFEHKA DSLIAKFKEAGGTVREIDV/.* >P1;1lmp structureX:1lmp_now.ent:1 :A: 132 :A:undefined:undefined:-1.00:-1.00 --KVYDRCEL--------------ARALKASGMDGYAGNSLPNWVCLSKWESSYNTQATNRNTDGSTDYGIF QINSRYWCDDGR-------TPGAKNVCGI-----RCSQLLTD--DLTVAI-RCAKR-VVLDPNGIGAW--VA WRLHCQNQDLRSYVAGCGV/.*

PDB-файл 1lmp был немного модифицирован. Лиганд обозначили как один остаток и убрали воду:
1lmp_now.ent

Затем написали (поправили существующий)скрипт с учетом выравнивания и взаимодействия лигадна с белком. Зафиксировали лиганд как твердое тело.

In []: 
from modeller.automodel import *
class mymodel(automodel):
    def special_restraints(self, aln):
        rsr = self.restraints
        for ids in (('NE1:74:A', 'O3B:159:B'),
                    ('O:134:A', 'N2B:159:B'),
                    ('N:70:A', 'O7B:159:B')):
                    atoms = [self.atoms[i] for i in ids]
                    rsr.add(forms.upper_bound(group=physical.upper_distance,
                      feature=features.distance(*atoms), mean=3.5, stdev=0.1)) 
env = environ()
env.io.hetatm = True
a = mymodel(env, alnfile='lis.pir', knowns=('1lmp'), sequence='seq')
a.starting_model = 1
a.ending_model = 5
a.make()

Получили 5 моделей
seq.B99990001.pdb
seq.B99990002.pdb
seq.B99990003.pdb
seq.B99990004.pdb
seq.B99990005.pdb

In [2]: 
from IPython.display import Image
Image(filename='all.png')
Out[2]:
In [3]: 
Image(filename='all1.png')
Out[3]:

Голубым показан образец, а розовым модели. Видно, что потеряно очень много элементов вторичной структуры.

Если выбирать лучшую модель как наиболее похожую на образец (на глаз), то это будет модель 5. Следом за ней идут 1 и 4.