На лекциях мы обсуждали кинетику ферментов Михаэлиса Ментена, но из лекций стало ясно, что это не единственный тип кинетики.
Изучив это, я обнаружил ферменты, которые дают сигмовидную кривую, связывающую начальную скорость реакции с концентрацией субстрата.
Итак, пока у меня есть:
Для чего, я думаю, единственными условиями является то, что ферментативная реакция следует
и фермент не связывает более одной молекулы субстрата (не связывается аллостерически)
Когда фермент является аллостерическим ферментом, и связывание большего количества субстрата с ферментом увеличивает сродство фермента к субстрату.
Являются ли это единственными двумя основными типами кинетики ферментов?
Проблема с кривыми Михаэлиса ментена заключается в том, что они предполагают только один путь, по которому может действовать фермент. Следовательно, если фермент имеет несколько путей, предположения неверны. Примером этого является моноаминоксидаза (Рамзи, Р.Р., Оливьери, А. и Холт, А. Улучшенный подход к стационарному анализу моноаминоксидаз. J. Neural Transm. 118, 1003–1019 (2011).) Это бумага имеет специфическую кинетику фермента для моноаминоксидазы - разработка моделей невероятно сложна, но если вы посмотрите на уравнения, вы увидите, что существует несколько путей.
Они также предполагают наличие только одного субстрата, поэтому для реакций с несколькими субстратами необходимо изменить кинетику как таковую. Для этого используются следующие механизмы: пинг-понг, тройной порядок и случайный механизм, каждый из которых влияет на кинетику. как квазистационарная кинетика.
Затем существуют кинетические модели ингибирования. Из них michaelis menten, где кинетика варьируется в зависимости от того, как связываются ингибиторы. Но, как видно из приведенной выше статьи о МАО, может варьироваться в зависимости от путей и сродства связывания. Если фермент необратим, кинетика также различается (Mcdonald, AG & Dublin, TC Enzymes: Irreversible Inhibition. 1–17 (2012). doi:10.1002/9780470015902.a0000601.pub2).
Также стоит отметить, что для анализа кинетики лучше использовать нелинейную регрессию, поскольку линеаризация данных может привести к ошибкам в расчетах (хотя, по общему признанию, это более простой и понятный вариант).
Дэйвид