{
  "id": "michaelis-menten-kinetics",
  "title": "米氏动力学",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "米氏动力学通过饱和型速率方程，描述酶促反应速率如何随底物浓度变化。",
  "category": "science",
  "subcategory": "biology",
  "type": "concept",
  "aliases": [
    "米歇利斯–门滕动力学",
    "米氏酶动力学",
    "米氏模型"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/michaelis-menten-kinetics/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/michaelis-menten-kinetics/",
      "json": "https://aiwiki.page/en/michaelis-menten-kinetics.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "米氏动力学是生物化学中描述酶促反应速率与底物浓度之间关系的理论框架。其最广为人知的表达式为 \\(v=V_{\\max}[S]/(K_{\\mathrm M}+[S])\\)，该式预测，在底物浓度较低时，反应速率随底物浓度近似成正比增加；在底物浓度较高时，反应速率则趋近于一个极限值。这一方程将可测量的饱和曲线与酶–底物复合物的形成和解离联系起来。\n\n这一框架以莱昂诺尔·米歇利斯和莫德·莱奥诺拉·门滕的姓氏命名；两人于1913年发表了具有深远影响的研究，此后该框架成为定量酶学的基础。它为催化能力、对底物浓度的依赖性以及对抑制剂的响应提供了可通过实验测定的量度。其重要性还延伸至代谢、生物技术，以及对可饱和转运过程和化学转化的分析。\n\n这一常见方程并非适用于所有酶的普遍定律，而双曲线形的速率曲线也不能唯一确定某种分子机制。对它的解释取决于实验条件、平衡态与稳态的区别，以及底物消耗、逆反应、其他底物或调控相互作用是否会产生重要影响。"
    },
    {
      "heading": "历史发展",
      "text": "早期的催化研究表明，酶能够加速反应，而自身不被消耗，但酶作用与底物浓度之间的关系仍需要定量解释。一个关键观察是，增加底物浓度并不总能使反应速率成比例地增加。当底物浓度足够高时，酶的处理能力似乎会趋于某个有限值。这种行为与化学动力学中最简单的速率与浓度成正比的定律不同。\n\n1902 年，维克托·亨利在研究转化酶时，提出了米氏动力学的重要先驱理论。转化酶能催化蔗糖水解为葡萄糖和果糖。亨利考虑了酶与底物形成中间复合物的过程，并得出了具有饱和特征的速率表达式。他的工作奠定了这一理论的大部分概念基础，但酸度以及糖溶液光学性质的变化等实验中的复杂因素，使定量解释变得困难。\n\n米歇利斯和门滕于 1913 年开展的研究同样以转化酶为对象。他们更严格地控制了酸度，并考虑了变旋现象，即糖的不同形式相互转化的过程；这一过程会改变旋光度，而这种变化与水解量无关。这些细节十分重要，否则，旋光测量就可能将化学转化与产物形成后发生的变化混为一谈。他们在分析中将底物结合视为一个平衡过程，随后才发生较慢的催化转化。\n\n1925 年，乔治·爱德华·布里格斯和约翰·伯顿·桑德森·霍尔丹提出稳态处理方法，带来了决定性的理论拓展。他们的推导不要求酶－底物复合物始终与游离酶及底物保持快速平衡，而是假设在短暂的初始瞬态阶段过后，复合物的浓度变化缓慢。由此得到的方程具有相同的代数形式，但其中的浓度参数获得了更一般的动力学含义。\n\n此后的发展既涉及测量，也涉及解释。1934 年，汉斯·莱恩威弗和迪安·伯克提出双倒数表示法，使人们能够借助当时可用的计算工具，通过作图估算动力学参数。后来，由于倒数变换会使实验误差发生畸变，直接进行非线性拟合成为更受青睐的方法。快速混合技术和灵敏度不断提高的光学测量手段，也使人们能够观测到稳态近似所掩盖的过程。因此，现代应用将这一历史悠久的饱和方程，与对酶反应机制、瞬态中间体及统计推断的更广泛认识结合起来。"
    },
    {
      "heading": "反应机理与稳态推导",
      "text": "该方程所依据的最简单机理为\n\n\\[E+S \\mathrel{\\mathop{\\rightleftharpoons}^{k_1}_{k_{-1}}} ES \\xrightarrow{k_2} E+P,\\]\n\n其中，\\(E\\) 为游离酶，\\(S\\) 为底物，\\(ES\\) 为酶–底物复合物，\\(P\\) 为产物。结合速率常数 \\(k_1\\) 的单位为浓度\\(^{-1}\\) 时间\\(^{-1}\\)，而 \\(k_{-1}\\) 和 \\(k_2\\) 的单位为时间\\(^{-1}\\)。此处忽略了产物与酶的重新结合；对于起始时产物含量可忽略不计的初速实验，这通常是合理的。\n\n对于这一反应机理，根据质量作用定律可得\n\n\\[\\frac{d[ES]}{dt} = k_1[E][S]-(k_{-1}+k_2)[ES].\\]\n\n由酶的总量守恒可得第二个关系式：\n\n\\[[E]_{\\mathrm T}=[E]+[ES].\\]\n\n这里，\\([E]_{\\mathrm T}\\) 是模型所表示的酶催化位点的总浓度。代入 \\([E]=[E]_{\\mathrm T}-[ES]\\)，便可用酶的总浓度和游离底物浓度来表示复合物浓度。\n\n在准稳态近似下，经过最初的瞬态阶段后，复合物的生成与分解近乎平衡：\n\n\\[\\frac{d[ES]}{dt}\\approx 0.\\]\n\n由此可得\n\n\\[[ES]\\approx \\frac{[E]_{\\mathrm T}[S]}{K_{\\mathrm M}+[S]}, \\qquad K_{\\mathrm M}=\\frac{k_{-1}+k_2}{k_1}.\\]\n\n由于产物生成速率为 \\(v=k_2[ES]\\)，因此\n\n\\[v=\\frac{V_{\\max}[S]}{K_{\\mathrm M}+[S]}, \\qquad V_{\\max}=k_2[E]_{\\mathrm T}.\\]\n\n这一近似并不意味着反应已达到化学平衡。产物仍在不断积累，并且有净反应通量流经复合物。\\([ES]\\) 也不必在整个测定过程中严格保持不变：它可以随底物浓度的变化而缓慢变化。关键要求在于，复合物的快速调整与底物池的缓慢变化之间存在时间尺度上的分离。标准初速近似的一个常用充分条件是 \\([E]_{\\mathrm T}\\ll K_{\\mathrm M}+[S]_0\\)，不过，其严格适用性取决于相关时间尺度和初始条件。\n\n最初采用的快速平衡处理方法是一个限制条件更严格的极限情形。如果催化转化远慢于复合物解离，即 \\(k_2\\ll k_{-1}\\)，则\n\n\\[K_{\\mathrm M}\\approx\\frac{k_{-1}}{k_1}=K_{\\mathrm d},\\]\n\n其中，\\(K_{\\mathrm d}\\) 为底物解离常数。稳态推导解释了为什么即使这一平衡假设不成立，同一个双曲线方程仍然可能适用。"
    },
    {
      "heading": "动力学参数的含义",
      "text": "在该模型中，当底物浓度变得极大时，反应速率趋近于最大速率 \\(V_{\\max}\\) 这一渐近值。达到饱和时，几乎所有酶都处于与底物结合的催化状态。此时继续增加底物对速率影响很小，因为限制速率的是酶处理底物的过程，而非酶与底物的相遇。由于 \\(V_{\\max}\\) 与酶浓度成正比，因此它并不是酶制剂中与酶用量无关的固有性质。\n\n转换数通常记为 \\(k_{\\mathrm{cat}}\\)，消除了这种依赖关系：\n\n\\[k_{\\mathrm{cat}}=\\frac{V_{\\max}}{[E]_{\\mathrm T}}.\\]\n\n其量纲为时间的倒数，常用单位为 \\(\\mathrm{s}^{-1}\\)，表示在底物饱和条件下，每个活性位点在单位时间内完成的催化循环数。对于上述简单反应机制，\\(k_{\\mathrm{cat}}=k_2\\)。然而，对于包含多个中间体的机制，观测到的转换数可能综合反映多个微观速率常数。决定转换数的可能是缓慢的构象变化或产物释放步骤，而不是化学转化本身。要可靠地计算转换数，还需要知道活性位点的浓度，而不能仅依据总蛋白质的质量浓度。\n\n米氏常数 \\(K_{\\mathrm M}\\) 的单位与物质的量浓度相同，其数值等于反应速率达到 \\(V_{\\max}\\) 一半时的底物浓度。这一操作性定义并不意味着它可以普遍用于衡量结合亲和力。在上述简单反应机制中，\\(K_{\\mathrm M}=(k_{-1}+k_2)/k_1\\)，而平衡结合取决于 \\(K_{\\mathrm d}=k_{-1}/k_1\\)。因此，即使平衡结合强度不变，催化速度的变化也可能改变 \\(K_{\\mathrm M}\\)。在更复杂的机制中，它的含义还会涉及更多因素。\n\n在底物浓度较低时，\n\n\\[v\\approx\\frac{k_{\\mathrm{cat}}}{K_{\\mathrm M}}[E]_{\\mathrm T}[S].\\]\n\n比值 \\(k_{\\mathrm{cat}}/K_{\\mathrm M}\\) 常称为特异性常数或催化效率，用于描述这一条件下能够促成催化反应的底物捕获过程。对于上述简单反应机制，\n\n\\[\\frac{k_{\\mathrm{cat}}}{K_{\\mathrm M}} = k_1\\frac{k_2}{k_{-1}+k_2}.\\]\n\n第二个因子表示新形成的复合物继续生成产物而非解离的概率。这一解释将结合过程与成功催化联系起来。接近约 \\(10^8\\)–\\(10^9\\ \\mathrm{M}^{-1}\\mathrm{s}^{-1}\\) 的数值通常对应于效率极高、速率受相遇过程限制的反应，但由于扩散、静电导向、分子几何构型及溶液条件等因素的影响，并不存在普遍适用的单一数值阈值。\n\n这三个参数都是依赖具体条件的量。报告其数值时，必须同时注明温度、酸碱度、溶剂组成、离子条件，以及所需辅因子或其他底物的浓度。"
    },
    {
      "heading": "初始瞬态与反应进程",
      "text": "稳态酶动力学中的初始速率，不一定是酶与底物刚接触那一瞬间的数学意义上的速率。如果混合时尚不存在 \\(ES\\) 复合物，基元反应模型预测，该时刻产物生成的瞬时速率为零。随后，随着复合物积累，反应会经历一个短暂的瞬态阶段。实验中有用的初始速率通常在这一瞬态阶段结束后测定，但此时底物消耗或产物积累尚未显著改变反应条件。\n\n若瞬态阶段的游离底物浓度近似恒定，基元反应机制给出的近似弛豫时间尺度为\n\n\\[\\tau\\approx \\frac{1}{k_1[S]+k_{-1}+k_2}.\\]\n\n仪器能否分辨这一时间区间，取决于具体反应及混合速度。在前稳态动力学中，研究者专门利用快速混合与淬灭方法考察这类早期事件。如果产物先迅速生成一小批，随后以较慢的稳态速率生成，这可能表明，限制酶反复周转的是化学转化之后的某一步骤，例如产物释放。相反，滞后现象可能揭示酶的活化、中间体的积累，或偶联检测反应中的延迟。\n\n当反应时间较长时，必须将底物浓度视为随时间变化的量。如果反应实际上不可逆、酶保持稳定、产物没有抑制作用，且稳态速率定律仍然适用，则有\n\n\\[-\\frac{d[S]}{dt} = \\frac{V_{\\max}[S]}{K_{\\mathrm M}+[S]}.\\]\n\n积分可得\n\n\\[V_{\\max}t = [S]_0-[S](t) + K_{\\mathrm M}\\ln\\!\\left(\\frac{[S]_0}{[S](t)}\\right).\\]\n\n这一积分方程描述的是整条反应进程曲线，而不是一组分别测得的初始速率。它假设与酶结合的底物在底物物料衡算中的贡献可以忽略；否则，就必须区分游离底物与尚未转化的底物总量。\n\n其极限行为有直观的解释。当 \\([S]\\gg K_{\\mathrm M}\\) 时，底物以近乎恒定的速率被消耗，形成近似线性的反应进程曲线。当 \\([S]\\ll K_{\\mathrm M}\\) 时，速率与底物浓度成正比，底物浓度近似呈指数衰减。随着底物不断消耗，同一次实验可以先后经历这两种动力学区间。\n\n反应进程曲线分析可以利用初始速率分析所舍弃的信息，但仅凭曲线的弯曲程度无法确定其成因。酶失活、逆反应、产物抑制、pH 变化或第二种底物的耗竭，都可能导致反应减慢，其表现与通常的底物消耗相似。当这些过程不可忽略时，适用的模型应是一个包含更多变量的微分方程组，而不是不可逆米氏反应的积分表达式。"
    },
    {
      "heading": "实验测量与测定条件",
      "text": "动力学实验测量的是物理信号，必须将其与底物消耗量或产物生成量联系起来。常用方法包括吸收和荧光光谱学、电化学检测、量热法，以及利用色谱法分离产物。每种方法都有各自的响应范围、背景信号和特征时间尺度。饱和曲线的拟合质量不仅取决于动力学方程，也同样取决于测量系统。\n\n一个常见的例子是利用还原型烟酰胺腺嘌呤二核苷酸（NADH）在 340 nm 附近的吸光度来监测其变化。在适当条件下，可以结合光程和摩尔吸光系数，由吸光度推算其浓度。这类测量既可用于直接跟踪涉及 NADH 的反应，也可作为偶联测定的检测手段。在偶联测定中，辅助酶将主反应产物转化为可检测的物质。偶联系统必须响应得足够快，才能使观测到的稳定斜率反映主反应速率，而不是辅助反应的处理能力。\n\n初始速率通常取自混合伪影或偶联延迟消退后的一段线性时间区间。将底物消耗量限制在较小比例内——通常约为 5–10% 或更低——是一个实用的初步判据，但并不保证其他干扰都可忽略。在底物尚未明显耗竭之前，产物就可能产生强烈的抑制作用。不稳定的酶也可能在仅消耗少量底物时就已丧失活性。空白对照可将依赖酶的变化与底物自发转化、检测器漂移或背景反应区分开来。\n\n底物浓度的取值需要覆盖响应曲线的弯曲区段。如果所有浓度都远低于 \\(K_{\\mathrm M}\\)，实验主要能确定的是 \\(V_{\\max}/K_{\\mathrm M}\\)。如果所有浓度都远高于它，实验主要能确定的则是 \\(V_{\\max}\\)。因此，在低于、接近和高于预期 \\(K_{\\mathrm M}\\) 的浓度下进行测量，可以获得更多信息；不过，溶解度、检测器的限制或底物抑制可能使实验无法覆盖完整的饱和范围。\n\n缓冲液种类、pH、温度、盐类以及所需的辅因子都必须保持受控。在比较不同酶浓度时，酶储备液可能会带入不同量的甘油、盐或其他添加剂。对于依赖金属的反应，需要格外谨慎，因为加入的金属总浓度可能与催化相关的游离金属或底物结合态金属浓度相差很大。例如，在涉及三磷酸腺苷的反应中，镁的结合会影响核苷酸各种形态的分布。\n\n最后，相对于催化过程，物理传质必须足够快。混合不充分、氧传递不足或固定化酶颗粒内部的扩散受限，都可能使所得的表观饱和参数不仅反映酶本身，也反映装置或材料的特性。"
    },
    {
      "heading": "参数估计与统计解释",
      "text": "直接非线性拟合利用双曲线方程，根据测得的反应速率估计 \\(V_{\\max}\\) 和 \\(K_{\\mathrm M}\\)。拟合过程将观测速率与模型预测值进行比较，并最小化与测量误差特性相适应的目标函数。普通最小二乘法假定误差方差近似恒定；当方差随反应速率或底物浓度呈系统性变化时，加权拟合就很有用。权重应依据误差模型或重复测量结果确定，而不应出于对某些数据点的任意偏好。\n\n历史上，林威弗–伯克图将方程变换为\n\n\\[\\frac{1}{v} = \\frac{K_{\\mathrm M}}{V_{\\max}}\\frac{1}{[S]} + \\frac{1}{V_{\\max}}.\\]\n\n其斜率为 \\(K_{\\mathrm M}/V_{\\max}\\)，纵轴截距为 \\(1/V_{\\max}\\)，横轴截距为 \\(-1/K_{\\mathrm M}\\)。这种方法虽然便于作图分析，但取倒数会放大低速率测量值的影响。这些速率中很小的绝对误差，在倒数空间中可能变成很大的误差。因此，不加权的直线拟合无法保留原始测量所依据的误差假设。\n\n其他线性变换包括伊迪–霍夫斯蒂图和黑恩斯–伍尔夫图。这些图可以使数据中的规律更直观，但也会改变误差结构；其中有些方法将测得的反应速率同时用于两个坐标轴，从而引入相关误差。这类图仍可用于示意说明和诊断性检查，但在明确的统计模型下，直接拟合通常能提供更清晰的参数估计途径。\n\n参数的可辨识性与软件能否给出数值是两回事。低底物浓度下的数据可以对比值 \\(V_{\\max}/K_{\\mathrm M}\\) 形成很强的约束，却仍容许许多不同的 \\(V_{\\max}\\) 与 \\(K_{\\mathrm M}\\) 组合。反过来，如果数据集只包含接近饱和浓度的测量值，就几乎无法提供有关曲率参数的信息。因此，参数估计值之间可能高度相关，其置信区域也不一定对称。\n\n评估时应考察残差、重复测量和测量不确定度，而不能只看拟合优度统计量。残差中的系统性模式可能提示存在抑制作用、背景校正不当，或所用速率方程与数据不符。当简单的对称区间不足以描述不确定度时，可采用剖面似然法或设计得当的重采样方法。底物浓度、光程和活性酶浓度的校准不确定度，可能造成重复测量反应速率也无法揭示的系统误差。\n\n对多个数据集进行联合拟合，可以改进对反应机理的检验。例如，在不同抑制剂浓度下获得的测量数据，可以共用同一组未受抑制时的 \\(V_{\\max}\\) 和 \\(K_{\\mathrm M}\\)。只有在有充分依据认为这些数据具有共同的反应机理和适用的实验条件时，这些额外约束才有价值。"
    },
    {
      "heading": "可逆抑制与表观参数的变化",
      "text": "分析酶抑制时，常将米氏机制扩展，纳入抑制剂结合态。对于标准的混合型抑制模型，速率方程为\n\n\\[v= \\frac{V_{\\max}[S]} {\\alpha K_{\\mathrm M}+\\alpha'[S]},\\]\n\n其中\n\n\\[\\alpha=1+\\frac{[I]}{K_i}, \\qquad \\alpha'=1+\\frac{[I]}{K_i'}.\\]\n\n这里，在该模型的假设下，\\(K_i\\) 和 \\(K_i'\\) 分别描述抑制剂与游离酶及酶–底物复合物的相互作用。抑制剂浓度指其游离浓度；如果结合使游离抑制剂显著减少，这一浓度就可能与加入量所对应的浓度不同。\n\n在竞争性抑制中，抑制剂与游离酶结合，阻止底物以能够发生催化反应的方式结合，此时 \\(\\alpha'=1\\)。表观米氏常数变为 \\(\\alpha K_{\\mathrm M}\\)，而 \\(V_{\\max}\\) 保持不变。在这一可逆模型中，当底物浓度足够高时，底物可在竞争中胜过抑制剂。仅凭竞争性动力学模式，不能断定抑制剂和底物占据完全相同的物理位点：相互排斥的构象状态也能产生相同的模式。\n\n在反竞争性抑制中，抑制剂与酶–底物复合物结合，但不与游离酶结合，因此 \\(\\alpha=1\\)。表观 \\(V_{\\max}\\) 和表观 \\(K_{\\mathrm M}\\) 均降至原来的 \\(1/\\alpha'\\)。混合型抑制允许抑制剂以不同的结合强度与游离酶及酶–底物复合物结合。纯非竞争性抑制是 \\(\\alpha=\\alpha'\\) 的特殊情况；它降低表观 \\(V_{\\max}\\)，但不改变表观 \\(K_{\\mathrm M}\\)。“非竞争性”一词有时也用于更宽泛的含义，但这一严格定义的特殊情况具有明确的动力学意义。\n\n这些分类描述的是特定条件下的速率模式，而非完整的分子机制。对于多底物反应，改变哪一种底物的浓度、固定哪一种底物的浓度，可能会影响所呈现的抑制模式。抑制剂引起的酶稳定性变化或聚集也可能降低测得的活性，而不遵循简单的可逆结合机制。\n\n产生 50% 抑制作用所需的浓度 \\(IC_{50}\\) 取决于测定条件，通常不等于 \\(K_i\\)。对于适当初速条件下的简单竞争性抑制，\n\n\\[IC_{50} = K_i\\left(1+\\frac{[S]}{K_{\\mathrm M}}\\right).\\]\n\n这一程–普鲁索夫关系式以相应的可逆模型成立且抑制剂耗竭可忽略为前提。分析紧密结合型抑制剂时，需要考虑结合过程中的物料衡算；分析慢结合型抑制剂时，则需要考察其随时间的变化。不可逆抑制剂会逐步使活性酶失活，因此应使用失活速率及其对抑制剂浓度的依赖关系等指标来表征。若用静态米氏方程拟合这种随时间变化的活性损失，可能会掩盖其背后的过程。"
    },
    {
      "heading": "可逆反应与多底物反应",
      "text": "最简单的米氏反应机制未考虑产物重新结合，但酶并不改变反应的平衡位置。酶会同时加速正向和逆向过程，这与热力学相符。随着产物积累，即使最初的测量结果可以用近似不可逆的方程很好地描述，逆向通量也可能变得不可忽略。\n\n对于简单的单底物、单产物可逆反应机制，一种代表性的速率定律为\n\n\\[v= \\frac{ V_f[S]/K_S-V_r[P]/K_P }{ 1+[S]/K_S+[P]/K_P }.\\]\n\n其中，\\(V_f\\) 和 \\(V_r\\) 分别为正向和逆向的极限速率，\\(K_S\\) 和 \\(K_P\\) 为相应的动力学浓度参数。当产物浓度可忽略不计时，该式简化为正向的米氏方程形式。在平衡状态下，正向项与逆向项相互抵消，因此净速率为零，尽管分子层面的转化仍在两个方向上持续进行。\n\n动力学参数受到平衡常数的约束。对于这一速率定律，采用一致的浓度约定时，有\n\n\\[K_{\\mathrm{eq}} = \\frac{V_fK_P}{V_rK_S}.\\]\n\n这是霍尔丹关系式的一种形式。它可防止各动力学参数在彼此独立选取时，得出平衡状态下仍存在净反应的预测。更严格的热力学处理采用活度和明确规定的标准态，尤其是在溶液的非理想性不可忽略时。相应的吉布斯自由能变化取决于反应商，而不取决于是否存在酶。\n\n许多酶促反应涉及两种或更多种底物。例如，激酶将磷酰基从 ATP 转移至受体，而许多脱氢酶同时作用于有机底物和烟酰胺辅因子。序列机制要求两种底物都先与酶结合，随后才形成产物；结合可以按特定顺序进行，也可以有多种允许的顺序。乒乓机制则在第二种底物结合之前先释放一种产物，使酶处于发生了改变的中间体状态。\n\n对于双底物反应，若固定一种底物的浓度而改变另一种底物的浓度，其速率关系可能呈现双曲线形状。此时，拟合得到的 \\(V_{\\max}\\) 和 \\(K_{\\mathrm M}\\) 通常是在该固定浓度条件下的表观参数。例如，一种代表性的序列机制速率方程为\n\n\\[v= \\frac{VAB} {K_{iA}K_B+K_BA+K_AB+AB},\\]\n\n其中，\\(A\\) 和 \\(B\\) 表示底物浓度，各 \\(K\\) 项取决于反应机制。保持 \\(B\\) 不变时，速率对 \\(A\\) 的依赖关系呈米氏方程的形式，但这并不意味着该反应实际上变成了单底物反应。\n\n因此，确定多底物反应机制需要单条饱和曲线之外的信息：在不同底物浓度组合下测量反应速率、开展产物抑制研究、直接测量结合过程或进行瞬态实验，都有助于区分那些在稳态下表现相似的机制。"
    },
    {
      "heading": "对双曲线动力学的偏离",
      "text": "双曲线型速率曲线很常见，但并非普遍适用。变构作用可将配体结合与酶构象及活性的变化耦联起来。当底物在一个位点的结合促进了酶活性或其他位点的底物结合时，速率曲线可能呈 S 形。常用的经验性描述是希尔方程：\n\n\\[v= \\frac{V_{\\max}[S]^{n_{\\mathrm H}}} {K_{0.5}^{\\,n_{\\mathrm H}}+[S]^{n_{\\mathrm H}}},\\]\n\n其中，\\(K_{0.5}\\) 是达到最大速率一半时的底物浓度，\\(n_{\\mathrm H}\\) 表征曲线的陡峭程度。希尔系数通常并不等于结合位点数。单结合位点酶中缓慢的构象转变也可能产生 S 形动力学曲线，因此，仅凭曲线呈 S 形，并不能断定亚基之间存在协同结合。\n\n底物抑制会造成另一种偏离：底物浓度较低时，速率随浓度升高而增加；但当底物充足时，速率反而下降。一种简单模型假定，另一个底物分子与 \\(ES\\) 结合，形成无活性的复合物：\n\n\\[v= \\frac{V_{\\max}[S]} {K_{\\mathrm M}+[S]+[S]^2/K_I}.\\]\n\n在该模型中，参数 \\(K_I\\) 描述这一额外的抑制性相互作用。然而，高底物浓度下速率下降，并不能证明上述机制成立。底物浓度升高时，也可能伴随黏度、离子强度、溶剂组成或检测系统的变化。\n\n酶的异质性可产生既不像单一双曲线、也不像简单协同响应的曲线。若酶制剂含有两种动力学参数不同的活性形式，其总速率可能为\n\n\\[v= \\frac{V_1[S]}{K_1+[S]} + \\frac{V_2[S]}{K_2+[S]}.\\]\n\n这种行为可能源于不同的酶形式、修饰状态或稳定构象。用单一双曲线拟合，会将这些复杂性压缩为表观参数，而这些参数可能随测量所覆盖的浓度范围而变化。\n\n当酶浓度与底物浓度相近时，结合会显著消耗游离底物。此时，用加入的底物总浓度代替 \\([S]\\) 是不正确的。紧密结合处理方法和总准稳态处理方法会保留适当的守恒方程，并可能导出二次表达式。这些情况可见于高亲和力测定以及小体积体系，因为在这些体系中，底物大量过量这一传统假设并不成立。\n\n体系的物理组织方式还会造成其他偏离。膜相关酶在细胞膜内部或附近与底物相遇，此处底物的局部可用性未必能用主体水相中的浓度来表示。固定化酶可能受到孔隙或边界层中扩散过程的限制。在这些条件下，观测到的饱和曲线可能同时反映酶本身的催化过程，以及传质、分配和可及性的影响。要区分这些因素，实验中不仅需要改变底物浓度，还需要改变物理条件。"
    },
    {
      "heading": "生理学解读与实际应用",
      "text": "米氏动力学参数为比较不同酶提供了一套简洁的表述方式，但要用这些参数解释细胞功能，还需要更多信息。在细胞中，底物与产物共存，多个反应会竞争同一批代谢物，而酶活性也会受到修饰、辅因子以及细胞内各区室条件的影响。当底物浓度接近 \\(K_{\\mathrm M}\\) 时，孤立的米氏酶处于对底物浓度变化较为敏感的范围，但这并不能证明该酶控制着整条通路的通量。\n\n对于简单的不可逆速率方程，反应速率对底物浓度的相对灵敏度为\n\n\\[\\frac{\\partial\\ln v}{\\partial\\ln[S]} = \\frac{K_{\\mathrm M}}{K_{\\mathrm M}+[S]}.\\]\n\n这一灵敏度在底物浓度低时趋近于一，在底物浓度高时趋近于零。它描述的是其他条件保持不变时的局部响应。在代谢控制分析中，通路层面的控制是另一种量：改变一种酶可能会改变多种代谢物的浓度，而控制作用可以分布在多个反应之中。因此，单个酶达到饱和，并不能据此确定正常运作的代谢网络中存在一个唯一的“限速步骤”。\n\n从细胞层面进行解读，还需要考虑可逆性和竞争。接近平衡的反应可以同时维持很大的正向通量和反向通量，而净通量仍然很小。其他可利用的底物或抑制剂可能改变反应对底物浓度的表观依赖关系。与催化相关的浓度可能是局部游离浓度，而不是在整个细胞或组织中测得的总量。在构建糖酵解等通路的模型，或将纯化酶的测量结果与细胞中的观测结果进行比较时，纳入这些区别十分重要。\n\n在生物技术中，这些参数有助于表征酶变体和反应条件。较高的 \\(k_{\\mathrm{cat}}\\) 可以提高底物饱和时的催化处理能力，而较高的 \\(k_{\\mathrm{cat}}/K_{\\mathrm M}\\) 可以改善底物稀缺时的表现。但任何一个参数都不能单独决定工业生产效率：稳定性、抑制作用、逆反应、底物成本以及产物回收可能才是决定工艺表现的主要因素。改善某一动力学指标的突变也可能改变另一指标，因此，比较时需要采用一致的条件，并明确实际运行所处的条件范围。\n\n类似的饱和型方程也见于物质转运、微生物生长以及整个生物体对底物的清除。例如，莫诺生长方程通过双曲线形式的表达式，将微生物生长速率与某种限制性营养物的浓度联系起来。其半饱和常数是系统层面的经验参数，并不必然等同于某种酶的米氏常数。更一般地说，数学形式相似并不能证明微观机制相同。米氏动力学分析的优势，在于将表述精确的速率方程与守恒方程、实验对照以及明确定义的观测尺度相结合。"
    }
  ],
  "links": [
    "biochemistry",
    "enzyme",
    "metabolism",
    "catalysis",
    "chemical-kinetics",
    "hydrolysis",
    "glucose",
    "reaction-mechanism",
    "chemical-equilibrium",
    "protein",
    "molar-concentration",
    "diffusion",
    "temperature",
    "ph",
    "spectroscopy",
    "calorimetry",
    "chromatography",
    "cofactor",
    "adenosine-triphosphate",
    "lineweaver-burk-plot",
    "measurement-uncertainty",
    "calibration",
    "enzyme-inhibition",
    "thermodynamics",
    "equilibrium-constant",
    "gibbs-free-energy",
    "allostery",
    "cell-membrane",
    "cell",
    "glycolysis",
    "mutation"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}