Language
Country/Area
No result found
Versteckte Details der Konkurrenzhemmung: Was sagen uns die Lineweaver-Burk-Diagramme?
In der Biochemie ist ein Lineweaver-Burk-Diagramm (oder doppelt reziprokes Diagramm) eine grafische Darstellung der Michaelis-Menten-Gleichung für die Enzymkinetik, die erstmals 1934 von Hans Lineweaver und Dean Burk beschrieben wurde. Obwohl dieses Diagramm in der Vergangenheit häufig zur Bewertung enzymkinetischer Parameter verwendet wurde, weist es eine verzerrte Fehlerstruktur in den Daten auf und ist kein optimales Instrument zur Bestimmung enzymkinetischer Parameter. Heutzutage sind Methoden, die auf nichtlinearer Regression basieren, genauer und mit der zunehmenden Verbreitung von Desktop-Computern auch leichter zugänglich.
Definition des Lineweaver–Burk-Diagramms
Das Lineweaver-Burk-Diagramm ist aus einer Transformation der Michaelis-Menten-Gleichung abgeleitet. Diese Gleichung drückt die Beziehung zwischen der Enzymrate v und der Substratkonzentration a aus, wobei zwei Parameter beteiligt sind: V (Grenzrate) und Km (Michaelis-Konstante). Bildet man den Kehrwert beider Seiten dieser Gleichung, ergibt sich eine Gerade. Der vertikale Achsenabschnitt dieser Linie beträgt 1/V, der horizontale Achsenabschnitt beträgt -1/Km und die Steigung beträgt Km/V.
Anwendungen
Bei der Bestimmung der Art der Enzymhemmung kann mit dem Lineweaver-Burk-Diagramm zwischen kompetitiven, rein nichtkompetitiven und nichtkompetitiven Hemmern unterschieden werden. Verschiedene Arten der Hemmung können ungehemmten Reaktionen gegenübergestellt werden.
Eine kompetitive Hemmung beeinflusst den scheinbaren Wert von V nicht, erhöht jedoch den scheinbaren Wert von Km und verringert die Substrataffinität.
Wettbewerbshemmung
Das Charakteristische an der kompetitiven Hemmung ist, dass der Inhibitor mit dem Substrat um die Bindungsstelle des Enzyms konkurriert. Daher wird in diesem Fall der scheinbare Wert von V nicht beeinflusst, aber der Km steigt, was bedeutet, dass die Affinität zwischen dem Enzym und dem Substrat abnimmt. Wie aus der Abbildung ersichtlich ist, ist der Achsenabschnittswert für das gehemmte Enzym größer als der für das ungehemmte Enzym.
Reine nichtkompetitive Hemmung
Bei einer reinen nichtkompetitiven Hemmung nimmt der scheinbare Wert von V ab, während Km nicht beeinflusst wird. Im Lineweaver-Burk-Diagramm spiegelt sich dies in einer Zunahme des vertikalen Achsenabschnitts, jedoch in einem konstanten horizontalen Achsenabschnitt wider, was darauf hinweist, dass die Substrataffinität nicht beeinträchtigt wird.
Gemischte Hemmung
Eine reine nichtkompetitive Hemmung ist tatsächlich sehr selten, während eine gemischte Hemmung weitaus häufiger vorkommt. Bei gemischter Hemmung nimmt der scheinbare Wert von V ab, während der Wert von Km im Allgemeinen zunimmt, was darauf hinweist, dass die Affinität des Substrats im Allgemeinen abnimmt. Viele Wissenschaftler stimmen in dieser Hinsicht mit Cleland überein und erkennen den Einfluss gemischter Hemmungen an.
Nichtkompetitive Hemmung
Im Fall einer nichtkompetitiven Hemmung verringert sich der scheinbare Wert von V, während sich der Wert von Km nicht ändert. Dies spiegelt sich in der Abbildung als Anstieg des vertikalen Achsenabschnitts bei unveränderter Steigung wider. Stattdessen steigt die Substrataffinität und der scheinbare Wert von Km sinkt.
Mängel
Lineweaver-Burk-Diagramme eignen sich schlecht zur Visualisierung experimenteller Fehler. Insbesondere wenn der Fehler in der Rate v einen einheitlichen Standardfehler hat, dann wird der Fehler in 1/v sehr groß sein. Lineweaver und Burk waren sich dieses Problems bewusst und untersuchten die Fehlerverteilung experimentell. Sie entschieden sich schließlich für eine entsprechende Gewichtung zur Anpassung. Dieser Aspekt wird jedoch von denjenigen, die den „Ansatz von Lineweaver und Burk“ zitieren, fast allgemein ignoriert.
AbschlussLineweaver-Burk-Diagramme bieten eine effektive Möglichkeit zur Analyse der Enzymkinetik in der Biochemie, ihre Einschränkungen können jedoch nicht ignoriert werden. Im aktuellen technologischen Umfeld zeigt die korrekte nichtlineare Regressionsmethode ihre Überlegenheit. Werden diese Werkzeuge im Zuge der fortschreitenden biochemischen Forschung präzisere Anwendungsmöglichkeiten finden?
