Dalam biokimia, plot Lineweaver–Burk, yang juga disebut plot resiprokal ganda, adalah representasi grafis persamaan Michaelis–Menton untuk kinetika enzim. Konsep ini diusulkan oleh Hans Reinwig dan Dean Burke pada tahun 1934 dan telah lama digunakan secara luas dalam studi berbagai enzim. Namun, seiring berjalannya waktu, para peneliti menemukan bahwa grafik ini memiliki distorsi dalam struktur kesalahan data dan tidak secara akurat mencerminkan parameter kinetik enzim. Oleh karena itu, banyak ahli biokimia kini beralih ke metode lain untuk analisis yang lebih tepat.
Meskipun plot Lineweaver–Burk telah digunakan secara luas secara historis, semua bentuk persamaan Michaelis–Menton yang dilinearisasi harus dihindari untuk perhitungan parameter kinetik.
Rumus diagram Lineweaver–Burk berasal dari transformasi persamaan Michaelis–Menton dan mencerminkan hubungan antara laju reaksi enzimatik dan konsentrasi substrat. Laju reaksi (v) dinyatakan sebagai fungsi konsentrasi substrat (a) dengan mengambil kebalikannya, yang membentuk garis lurus. Akan tetapi, masalah utama dengan pendekatan ini adalah cenderung melipatgandakan kesalahan dalam data, terutama pada konsentrasi rendah, yang dapat menyebabkan hasil eksperimen yang tidak akurat.
Meskipun diagram Lineweaver–Burk digunakan secara luas untuk membedakan berbagai jenis penghambatan enzim, keakuratannya masih kontroversial. Jenis-jenis penghambatan ini meliputi penghambatan kompetitif, penghambatan nonkompetitif murni, dan penghambatan nonkompetitif. Dengan menganalisis grafik, peneliti dapat memperoleh pemahaman intuitif tentang perilaku enzim dan lebih jauh memahami mekanisme operasinya.
Dalam penghambatan kompetitif, inhibitor memengaruhi afinitas terhadap substrat tetapi tidak mengubah laju maksimum (v). Dalam plot Lineweaver–Burk, situasi ini menunjukkan intersepsi ordinat yang sama, tetapi konstanta Michaelis (Km) dari substrat akan berubah secara signifikan.
Dibandingkan dengan penghambatan kompetitif, penghambatan nonkompetitif murni menghasilkan penurunan laju maksimum (v) tetapi tidak berpengaruh pada afinitas substrat. Hal ini tercermin dalam plot Lineweaver–Burk sebagai peningkatan intersepsi ordinat, sedangkan intersepsi absis tetap tidak berubah.
Penghambatan campuran adalah jenis penghambatan yang lebih umum, yang berarti bahwa penurunan laju maksimum (v) disertai dengan perubahan konstanta Michaelis (Km), biasanya peningkatan. Hal ini akan terwujud sebagai perubahan intersep dalam plot Lineweaver–Burk, di mana afinitas terhadap dolar biasanya akan menurun.
Dalam penghambatan nonkompetitif, laju maksimum (v) juga akan menurun, tetapi nilai K/V akan menjadi lebih kecil, dan dalam plot Lineweaver–Burk hal ini terwujud sebagai peningkatan intersep ordinat sementara kemiringannya tetap tidak berubah, yang menunjukkan bahwa substrat meningkatkan afinitas.
Namun, kekurangan utama dari diagram Lineweaver–Burk adalah tidak dapat memvisualisasikan kesalahan eksperimen secara efektif. Secara khusus, jika kesalahan seragam terhadap laju (v), maka kebalikannya (1/v) akan bervariasi dalam rentang yang sangat luas. Misalnya, dalam kasus di mana v adalah 1 ± 0,1, rentang 1/v adalah 0,91–1,11, yang mendekati kesalahan 20%. Ketika v menjadi 10±0,1, rentang 1/v hanya 0,0990–0,1001, dan kesalahannya hanya 1%. Hal ini berdampak besar pada akurasi penghitungan konstanta Michaelis (Km).
Metode regresi nonlinier yang terbobot dengan tepat telah meningkatkan akurasi secara signifikan, dan metode ini telah tersedia secara luas dengan menjamurnya komputer desktop.
Selain itu, penelitian tersebut menunjukkan bahwa meskipun Lineweaver dan Burk mempertimbangkan masalah ini dalam makalah mereka, penelitian saat ini sering mengabaikan koefisien bobot yang mereka rekomendasikan. Pada akhirnya, masalah ini membuat penggunaan plot Lineweaver–Burk tidak lagi menjadi pilihan terbaik dalam penelitian biokimia.
Dalam penelitian biokimia kontemporer, para peneliti secara bertahap menyadari bahwa menggunakan metode analisis data yang lebih tepat untuk mengungkap wajah sebenarnya dari dinamika enzim adalah arah masa depan. Menurut Anda, apakah kita harus sepenuhnya meninggalkan alat yang sudah lama digunakan ini dalam penelitian, atau mencoba memperbaiki kekurangannya sehingga dapat lebih bermanfaat bagi penelitian ilmiah?