引言

混合模型是一个通用方程，包括竞争性抑制、非竞争性抑制和非竞争性抑制等特例。该模型比其他模型多一个参数，而这个参数可以告诉您抑制机制。

步骤

创建 XY 数据表。在 X 列输入底物浓度，在 Y 列输入酶活性。每个数据集（Y 列）代表在不同浓度的抑制剂存在下收集的数据，从零浓度开始。在列标题中输入这些浓度。请务必输入浓度，而不是浓度的对数。

输入数据后，单击分析，选择非线性回归，选择酶动力学方程面板，并选择酶抑制 混合 模型。

模型

VmaxApp=Vmax/(1+I/(Alpha*Ki))

KmApp=Km*(1+I/Ki)/(1+I/(Alpha*Ki))

Y=VmaxApp*X/(KmApp + X)

 

参数I是抑制剂的浓度，是您在每列标题中输入的数值。该值受限于等于数据集常数。

参数Alpha、Vmax、Km和Ki是共享的，因此 Prism 对整个数据集拟合一个最佳控制数据值。

解读参数

Vmax是没有抑制剂时的最大酶速，单位与 Y 相同。

Km 是Michaelis-Menten 常数，单位与 X 相同。

Ki 是 抑制常数，用与 I 相同的单位表示，您将其输入列标题。

Alpha 决定机制。它的值决定了抑制剂的结合改变酶对底物亲和力的程度。其值总是大于零。

•当 Alpha=1 时，抑制剂对酶和酶底物的亲和力相等。这与非竞争性抑制相同。

•当 Alpha>1 时，抑制剂优先与游离酶结合。

•当 Alpha 非常大时，几乎完全与游离酶结合，混合模型接近竞争性抑制。

•当 Alpha<1 时，抑制剂优先与酶-底物复合物结合。

•当 Alpha 非常小（但大于零）时，抑制剂几乎完全与酶-底物复合物结合，混合模型接近于非竞争模型。

术语

科普兰建议避免使用混合模型一词，因为这很容易让人混淆，以为是指两种或两种以上药物的混合抑制作用。相反，他将本页中的模型称为非竞争性模型。按照这种思路，α = 1.0 的情况只是非竞争性抑制的一种特殊情况。

参考文献                                                                         

公式 3.2RA Copeland，《药物发现中酶抑制剂的评估》，第二版，Wiley 2013。书号：978-1-118-48813-3。