竞争抑制的双倒数方程为:
1 / V0= 1 / V马克斯+ K米•α/ V马克斯•1/[S],其中α = 1 + I/ K我
根据这个方程,一个双倒数图应该给出一条截距为1/ V的直线马克斯和斜率K米•α / v马克斯.因此,不同抑制剂浓度的Lineweaver-Burk图应该给出不同的斜率(因为α随着抑制剂浓度的增加而增加),但y轴截距相同。这意味着,这个V马克斯在不同浓度的竞争抑制剂是不变的;然而,表观K米K(应用)(K(应用)= K米•α),不同。如果双倒数曲线是1/V0与1/[S]相比,不同浓度的缓蚀剂产生的斜率直线不同,但y轴截距相同,缓蚀剂具有竞争力(图1)[1]。

图1:图一;线织-伯克图显示竞争抑制。图b;显示每个线性回归曲线的斜率与抑制剂浓度的关系。
如果抑制剂具有竞争性,只需计算1个抑制剂常数。为了计算抑制剂常数,必须进行几种不同浓度的抑制剂试验。每个结果数据集都应该绘制,斜率和y截距可以通过线性回归确定。从这些匹配中,V马克斯可以计算为y轴截距的倒数。如果没有一个动力学参数被确定,这种线性拟合不能提供足够的信息来确定K我和K米.为了确定这些参数,有必要绘制不同测定方法对抑制剂浓度的“斜率”图。因此,根据以下方程:
坡competetive= K米•α/ V马克斯= K米/ V马克斯+ K米/ V马克斯•1 / K我•【我】
因此,这张图也会得到一条截距为K的直线米/ V马克斯,和斜率(K米/ V马克斯•1 / k我.因此,K我可以用y轴截距除以斜率来计算。因为V马克斯已经算出来了,K米可以从这个拟合的y轴截距计算出来,通过将这个截距乘以V马克斯.
准备动力学数据的Lineweaver-Burk图,并使用线性回归拟合数据(每个抑制剂浓度拟合1次)。在不同的抑制剂浓度下,Lineweaver-Burk图的y轴截距应该相同(或至少接近)。取y轴截距的倒数;这是V马克斯.在新图中绘制每条直线的斜率作为抑制剂浓度的函数,并使用线性回归拟合该图。计算K米,将这条直线的y截距乘以V马克斯.计算K我除以这条直线的y截距与斜率。