查看“Lineweaver-Burk”的源代码

<div style="padding: 0 4%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff; max-width: 1200px; margin: auto;">

    <div style="margin-bottom: 30px; border-bottom: 1.2px solid #e2e8f0; padding-bottom: 25px;">
        <p style="font-size: 1.1em; margin: 10px 0; color: #334155; text-align: justify;">
            <strong>Lineweaver-Burk 作图法</strong>（双倒数作图法）是生物化学中用于分析酶动力学数据的经典图形方法。由 Hans Lineweaver 和 Dean Burk 于 1934 年提出。该方法通过对非线性的 <strong>[[米氏方程]]</strong> (Michaelis-Menten) 等式两边同时取倒数，将其转化为符合 <span style="font-family: monospace; background: #f1f5f9; padding: 2px 5px;">y = mx + c</span> 形式的线性方程。这种“化曲为直”的数学变换，使得研究人员仅需一把直尺，就能通过作图直观地确定酶的最大反应速率 (<strong>V<sub>max</sub></strong>) 和米氏常数 (<strong>K<sub>m</sub></strong>)，并且是区分<strong>[[竞争性抑制]]</strong>、非竞争性抑制等药物作用机制最直观的工具。
        </p>
    </div>

    <div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 320px; margin: 0 auto 35px auto; border: 1.2px solid #bae6fd; border-radius: 12px; background-color: #ffffff; box-shadow: 0 8px 20px rgba(0,0,0,0.05); overflow: hidden;">
        
        <div style="padding: 15px; color: #1e40af; background: linear-gradient(135deg, #e0f2fe 0%, #bae6fd 100%); text-align: center; cursor: pointer;">
            <div style="font-size: 1.2em; font-weight: bold; letter-spacing: 1.2px;">双倒数作图法</div>
            <div style="font-size: 0.7em; opacity: 0.85; margin-top: 4px; white-space: nowrap;">Lineweaver-Burk Plot (点击展开)</div>
        </div>
        
        <div class="mw-collapsible-content">
            <div style="padding: 25px; text-align: center; background-color: #f8fafc;">
                <div style="width: 100px; height: 100px; background-color: #e2e8f0; border-radius: 50%; margin: 0 auto; display: flex; align-items: center; justify-content: center; color: #94a3b8; font-size: 0.8em; overflow: hidden;">
                    
                </div>
                <div style="font-size: 0.8em; color: #64748b; margin-top: 12px; font-weight: 600;">经典的线性化模型</div>
            </div>

            <table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.85em;">
                <tr>
                    <th colspan="2" style="padding: 8px 12px; background-color: #e0f2fe; color: #1e40af; text-align: left; font-size: 0.9em; border-top: 1px solid #bae6fd;">几何参数</th>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0; width: 45%;">纵坐标 (Y轴)</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">1 / v (速率倒数)</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">横坐标 (X轴)</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #0f172a;">1 / [S] (底物倒数)</td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">斜率 (Slope)</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #1e40af;">K<sub>m</sub> / V<sub>max</sub></td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569; border-bottom: 1px solid #e2e8f0;">Y轴截距</th>
                    <td style="padding: 6px 12px; border-bottom: 1px solid #e2e8f0; color: #16a34a;">1 / V<sub>max</sub></td>
                </tr>
                <tr>
                    <th style="text-align: left; padding: 6px 12px; background-color: #f8fafc; color: #475569;">X轴截距</th>
                    <td style="padding: 6px 12px; color: #e11d48;">- 1 / K<sub>m</sub></td>
                </tr>
            </table>
        </div>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">从双曲线到直线的推导</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        米氏方程本身是一个双曲线方程，难以通过肉眼外推求得渐近线 (V<sub>max</sub>)。Lineweaver 和 Burk 通过简单的代数变换解决了这个问题。
    </p>

    <div style="background-color: #f0f9ff; border-left: 5px solid #1e40af; padding: 15px 20px; margin: 20px 0; border-radius: 4px; font-family: 'Courier New', Courier, monospace; font-size: 0.92em; color: #334155;">
        <p style="margin-bottom: 10px;"><strong>1. 原始米氏方程：</strong></p>
        <div style="text-align: center; margin-bottom: 15px;">
            v = V<sub>max</sub>[S] / (K<sub>m</sub> + [S])
        </div>

        <p style="margin-bottom: 10px;"><strong>2. 取倒数并分离变量：</strong></p>
        <div style="text-align: center; font-weight: bold; color: #1e3a8a; background: #ffffff; padding: 10px; border-radius: 4px; border: 1px solid #cbd5e1;">
            1/v = (K<sub>m</sub>/V<sub>max</sub>) • (1/[S]) + (1/V<sub>max</sub>)
        </div>
        <div style="text-align: center; margin-top: 5px; color: #64748b; font-size: 0.9em;">
             ↓&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;↓<br>
             y&nbsp;&nbsp;&nbsp;&nbsp;=&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;m&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;x&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;+&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;c
        </div>
    </div>

    <h2 style="background: #f1f5f9; color: #0f172a; padding: 10px 18px; border-radius: 0 6px 6px 0; font-size: 1.25em; margin-top: 40px; border-left: 6px solid #0f172a; font-weight: bold;">应用场景：一眼识别抑制剂</h2>
    
    <p style="margin: 15px 0; text-align: justify;">
        该作图法最大的威力在于：当存在抑制剂时，直线会发生特定的旋转或平移。通过观察直线相交的位置，可以迅速判断药物的抑制类型。
    </p>

    

    <div style="overflow-x: auto; margin: 20px auto;">
        <table style="width: 100%; border-collapse: collapse; border: 1.2px solid #cbd5e1; font-size: 0.9em; text-align: left;">
            <tr style="background-color: #f1f5f9; border-bottom: 2px solid #0f172a;">
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #0f172a; width: 20%;">抑制类型</th>
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #1e40af; width: 40%;">图形特征 (口诀)</th>
                <th style="padding: 12px; border: 1px solid #cbd5e1; color: #475569; width: 40%;">动力学参数变化</th>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[竞争性抑制]]</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    <strong>“交于Y轴”</strong><br>
                    Y轴截距不变，斜率变陡（直线逆时针旋转）。
                </td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    V<sub>max</sub> 不变<br>
                    <span style="color: #e11d48;">K<sub>m</sub> 增大</span> (亲和力看似下降)
                </td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[非竞争性抑制]]</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    <strong>“交于X轴”</strong><br>
                    X轴截距不变，斜率变陡。<br><span style="font-size:0.85em; color:#64748b;">(注：仅限纯非竞争性)</span>
                </td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    <span style="color: #e11d48;">V<sub>max</sub> 减小</span><br>
                    K<sub>m</sub> 不变
                </td>
            </tr>
            <tr>
                <td style="padding: 10px; border: 1px solid #cbd5e1; font-weight: 600;">[[反竞争性抑制]]</td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    <strong>“平行线”</strong><br>
                    斜率不变，整条线向上平移。
                </td>
                <td style="padding: 10px; border: 1px solid #cbd5e1;">
                    V<sub>max</sub> 减小<br>
                    K<sub>m</sub> 减小
                </td>
            </tr>
        </table>
    </div>

    <p style="font-size: 0.9em; color: #64748b; background-color: #f1f5f9; padding: 10px; border-left: 4px solid #94a3b8;">
        <strong>局限性警示：</strong> 尽管直观，但双倒数作图法有一个严重的统计学缺陷——它会放大低底物浓度（1/[S] 值大）时的实验误差。这可能导致拟合出的直线偏离真实情况。在现代科研中，通常使用计算机进行<strong>非线性回归 (Non-linear regression)</strong> 来获得更精确的数据，而双倒数图更多用于数据展示和教学。
    </p>

    <div style="font-size: 0.92em; line-height: 1.6; color: #1e293b; margin-top: 50px; border-top: 2px solid #0f172a; padding: 15px 25px; background-color: #f8fafc; border-radius: 0 0 10px 10px;">
        <span style="color: #0f172a; font-weight: bold; font-size: 1.05em; display: inline-block; margin-bottom: 15px;">学术参考文献 [Academic Review]</span>
        
        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [1] <strong>Lineweaver H, Burk D. (1934).</strong> <em>The determination of enzyme dissociation constants.</em> <strong>[[J Am Chem Soc]]</strong>. <br>
            <span style="color: #475569;">[点评]：历史性论文。虽然通常与 JBC 联系在一起，但这篇具体的作图法论文实际上发表在 JACS 上。它彻底改变了酶学数据的处理方式。</span>
        </p>

        <p style="margin: 12px 0; border-bottom: 1px solid #e2e8f0; padding-bottom: 10px;">
            [2] <strong>Dowd JE, Riggs DS. (1965).</strong> <em>A comparison of estimates of Michaelis-Menten kinetic constants from various linear transformations.</em> <strong>[[J Biol Chem]]</strong>. <br>
            <span style="color: #475569;">[点评]：经典的方法学比较研究，分析了 Lineweaver-Burk、Eadie-Hofstee 和 Hanes-Woolf 三种作图法在误差传递上的优劣。</span>
        </p>

        <p style="margin: 12px 0;">
            [3] <strong>Cornish-Bowden A. (2013).</strong> <em>Fundamentals of Enzyme Kinetics.</em> <strong>[[Wiley-Blackwell]]</strong>. <br>
            <span style="color: #475569;">[点评]：酶动力学领域的权威教科书，详细讨论了线性化作图法的统计学陷阱。</span>
        </p>
    </div>

    <div style="margin: 40px 0; border: 1px solid #e2e8f0; border-radius: 8px; overflow: hidden; font-family: 'Helvetica Neue', Arial, sans-serif; font-size: 0.9em;">
        <div style="background-color: #eff6ff; color: #1e40af; padding: 8px 15px; font-weight: bold; text-align: center; border-bottom: 1px solid #dbeafe;">
            酶学分析工具 · 知识图谱
        </div>
        <table style="width: 100%; border-collapse: collapse; background-color: #ffffff;">
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">理论基础</td>
                <td style="padding: 10px 15px; color: #334155;">[[酶动力学]] • [[米氏方程]]</td>
            </tr>
            <tr style="border-bottom: 1px solid #f1f5f9;">
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">核心用途</td>
                <td style="padding: 10px 15px; color: #334155;">计算 <strong>K<sub>m</sub></strong> 和 <strong>V<sub>max</sub></strong> • 鉴定抑制剂</td>
            </tr>
            <tr>
                <td style="width: 85px; background-color: #f8fafc; color: #334155; font-weight: 600; padding: 10px 12px; text-align: right; vertical-align: middle;">替代方法</td>
                <td style="padding: 10px 15px; color: #334155;">[[Eadie-Hofstee]] 图 • Hanes-Woolf 图 • 非线性回归</td>
            </tr>
        </table>
    </div>

</div>