Language
Country/Area
No result found
Détails cachés de l’inhibition compétitive : que nous disent les graphiques de Lineweaver-Burk ?
En biochimie, un graphique de Lineweaver-Burk (ou graphique double réciproque) est une représentation graphique de l'équation de Michaelis-Menten pour la cinétique enzymatique, décrite pour la première fois par Hans Lineweaver et Dean Burk en 1934. Bien que ce graphique ait été historiquement largement utilisé pour évaluer les paramètres cinétiques enzymatiques, il souffre d’une structure d’erreur déformée dans ses données et n’est pas un outil optimal pour déterminer les paramètres cinétiques enzymatiques. Actuellement, les méthodes utilisant la régression non linéaire sont plus précises et sont devenues plus accessibles avec la popularisation des ordinateurs de bureau.
Définition du diagramme de Lineweaver–Burk
Le graphique de Lineweaver–Burk est dérivé d’une transformation de l’équation de Michaelis–Menten. Cette équation exprime la relation entre le taux d'enzyme v et la concentration de substrat a, impliquant deux paramètres : V (taux limite) et Km (constante de Michaelis). En prenant l’inverse des deux côtés de cette équation, le résultat forme une ligne droite. L'interception verticale de cette ligne est 1/V, l'interception horizontale est -1/Km et la pente est Km/V.
Applications
Lorsqu'il est utilisé pour déterminer le type d'inhibition enzymatique, le graphique de Lineweaver-Burk peut faire la distinction entre les inhibiteurs compétitifs, purement non compétitifs et non compétitifs. Différents modes d’inhibition peuvent être contrastés avec les réponses non inhibées.
Inhibition compétitiveL'inhibition compétitive n'affectera pas la valeur apparente de V, mais augmentera la valeur apparente de Km et réduira l'affinité du substrat.
La caractéristique de l’inhibition compétitive est que l’inhibiteur entre en compétition avec le substrat pour le site de liaison de l’enzyme. Par conséquent, dans ce cas, la valeur apparente de V ne sera pas affectée, mais le Km augmentera, ce qui signifie que l'affinité entre l'enzyme et le substrat diminuera. Comme on peut le voir sur la figure, la valeur de l’interception pour l’enzyme inhibée est supérieure à celle de l’enzyme non inhibée.
Inhibition pure non compétitive
En cas d'inhibition non compétitive pure, la valeur apparente de V diminuera, tandis que Km ne sera pas affectée. Dans le graphique de Lineweaver–Burk, cela se traduit par une augmentation de l'interception verticale, mais par une interception horizontale constante, indiquant que l'affinité du substrat n'est pas affectée.
Inhibition mixte
L’inhibition pure non compétitive est en fait très rare, tandis que l’inhibition mixte est beaucoup plus courante. Sous inhibition mixte, la valeur apparente de V diminuera, tandis que la valeur de Km augmentera généralement, indiquant que l'affinité du substrat diminuera généralement. De nombreux chercheurs sont d’accord avec Cleland à cet égard, reconnaissant l’influence de l’inhibition mixte.
Inhibition non compétitive
Dans le cas d'une inhibition non compétitive, la valeur apparente de V diminuera, tandis que la valeur de Km ne changera pas. Ceci se reflète dans la figure par une augmentation de l'interception verticale mais une pente inchangée. L'affinité du substrat augmentera au contraire et la valeur apparente de Km diminuera.
Défauts
Les graphiques Lineweaver–Burk ne permettent pas de visualiser efficacement les erreurs expérimentales. En particulier, si l’erreur dans le taux v a une erreur standard uniforme, alors l’erreur dans 1/v sera très large. Lineweaver et Burk étaient conscients de ce problème et ont étudié la distribution des erreurs de manière expérimentale, décidant finalement d'utiliser une pondération appropriée pour l'ajustement. Cependant, cet aspect est presque universellement ignoré parmi ceux qui citent « l’approche de Lineweaver et Burk ».
ConclusionLes diagrammes de Lineweaver–Burk constituent un moyen efficace d’analyser la cinétique enzymatique en biochimie, mais leurs limites ne peuvent être ignorées. Dans l’environnement technologique actuel, la méthode de régression non linéaire correcte montre sa supériorité. À mesure que la recherche biochimique progresse, ces outils trouveront-ils des applications plus précises ?
