X值为剂量或浓度的对数时，使用该方程。X值为浓度或剂量时，使用相关方程。

引言

竞争性抑制剂竞争激动剂与受体的结合，并在不改变最大反应的情况下将剂量反应曲线向右移动。通过对所有曲线进行全局拟合，可确定竞争抑制剂的亲和力。

循序渐进

1.创建一张带子列的XY数据表，以匹配您的实验设计。

2.在X中输入激动剂配体的浓度对数。例如，如果浓度为1nM，则输入-9。不要输入1e-9。

3.采用任何实用单位，将反应输入Y。将无抑制剂的数据输入A列。将采用抑制剂常数浓度收集的数据输入B列。如有数据，请对C列、D列、E列、……（各列具有不同的抑制剂浓度）重复上述步骤。

4.以摩尔为单位输入抑制剂浓度，作为数据表的列标题。如果浓度为1nM，在列标题中输入1e-9或0.00000001。不要输入-9。不要忘记输入“0”作为数据集A的列标题，因为这些是没有抑制剂的对照数据。输入到列标题中的这些值用于分析；它们不仅仅是标签，因此需要以正确的格式输入。

5.在数据表中，点击“分析”，选择“非线性回归”，然后选择“方程窗格”：剂量反应-特殊，X是log（浓度）。然后选择 Gaddum/Schild EC50偏移，X为log（浓密度）。

6.请考虑将参数Hill斜率和SchildSlope限制为其标准值1.0。如果没有很多数据点，因此无法拟合这些参数时，这尤其有用。

单位注释

•写下该方程，因此输入X值作为激动剂的浓度对数，而列标题作为拮抗剂的浓度。这就是该方程的简单写法。如果愿意，可很容易复制该方程并用不同惯例来写它。Prism还提供了 相关方程 ，其中输入的X值作为激动剂浓度。

•EC50以您输入X值的相同单位的反对数形式报告。如果输入的X作为log（摩尔），则EC50的单位就是摩尔。如果输入的X值作为log（以毫克为单位的剂量），则EC50将以毫克为单位。

•pA2是拮抗剂浓度的负对数，需将曲线移动2倍。该浓度与您在列标题中输入拮抗剂浓度时使用的单位相同。如果在列标题中输入浓度的单位为nM，则pA2是nM的负对数。如果以mg/kg为单位输入浓度，则pA2就是mg/kg的负对数。

•如果想将pA2转换成浓度，首先翻转符号（乘以-1），然后取反对数（十的幂）。如果也这样处理置信限，注意翻转符号也会改变限的顺序，因此“下”置信限实际上是上限，而“上”限实际上是下限。

模型

EC50 = 10^LogEC50

Antag = 1+（B/（10^（ - 1*pA2）））^Schild斜率

LogEC = Log（EC50*Antag）

Y = 底部+（顶部 - 底部）/（1+10^（（LogEC - X）*Hill斜率））

 

解读该参数

EC50 是在没有抑制剂的情况下引起一半最大反应的激动剂浓度。Prism会报告EC50及其对数。logEC50采用与您输入X值相同的单位。EC50在那些单位的反对数中。

pA2 是拮抗剂浓度的负对数，需将剂量反应曲线移动2倍。如果Hill斜率和Schild斜率固定为1.0，则为pKb，即，与受体结合的抑制剂的平衡解离常数（摩尔）的负对数，单位为您在数据表上输入浓度作为列标题所用任何单位的负对数。

Hill斜率描述了曲线族的陡度。Hill斜率1.0是标准值，您应考虑将斜率限制为常数值1.0。

Schild斜率 可以量化移动与竞争相互作用预测的一致性。如果竞争者是有竞争力的，Schild斜率将等于1.0。您应考虑将Schild斜率限制为1.0的常数值。拮抗剂[B]现在提升到幂S，其中S表示Schild斜率因子。如果向右移动大于竞争相互作用的预测，则S将大于1。如果向右移动小于竞争相互作用的预测，则S将小于1。

顶部 和底部均为以Y轴为单位的 稳定段。

注释

•所有这六项参数在所有数据集之间共享，因此您将只会看到每项参数的最佳拟合值，而非每个数据集的最佳拟合值。

•Prism没有报告每条曲线的EC50，只报告了第一条曲线的EC50（没有任何拮抗剂的曲线）。

•模型中的变量B定义为一个数据集常数，其值来自列标题。结果页面将显示这些B值。确保它们是每个数据集中使用的拮抗剂浓度（而非浓度的对数）。

 

Schild模型何时有效？

Colquhoun（1）研究显示，只要您能做出这些假设，Schild模型就是有效的：

•拮抗剂B是一种真正的拮抗剂，单独使用不会改变受体的构象。

•激动剂A和拮抗剂B的结合在每个结合位点均是互斥的。

•B对每个结合位点均有相同的亲和力。

•如果A占用的每个位点相同，则不论有多少位点被B占用，观察到的反应相同。

•在平衡状态下进行测量。

 

1.Colquhoun，D.， 为什么Schild方法比Schild意识到的要好。《药物学研究进展》（2007）第28卷（12）第608-14页