MétaCan
Menu
Retour à la cohorte
Enregistrement W4415469151 · doi:10.1139/bcb-2025-0264

A practical consideration for the substrate concentration when determining IC <sub>50</sub> values for enzyme inhibition

2025· article· en· W4415469151 sur OpenAlexafffundvenue
Stephen L. Bearne

Notice bibliographique

RevueBiochemistry and Cell Biology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésUncompetitive inhibitorNon-competitive inhibitionMichaelis–Menten kineticsSubstrate (aquarium)Dissociation constantEnzymePotencyKinetics

Résumé

récupéré en direct d'OpenAlex

Determination of IC 50 values at a fixed substrate concentration ([S]) is frequently used to rank the potency of enzyme inhibitors and estimate inhibitor concentrations ([I]) to use in full inhibition analyses, particularly for structure-activity studies wherein the mode of inhibition is often known. Assays at an [S] yielding the greatest difference between the initial rates observed in the absence ( v o ) and in the presence ( v i ) of an inhibitor (i.e., v o – v i ) will increase the sensitivity for the detection of enzyme inhibition. For noncompetitive and uncompetitive inhibitors of single-substrate enzymes, v o – v i increases with increasing [S]; however, for competitive and linear mixed-type (LMT) inhibitors, v o – v i obtains a maximum at a specific “optimal” substrate concentration ([S] opt ). Equations are derived describing the dependence of [S] opt on [I], the dissociation constant for the inhibitor ( K i ), and the Michaelis constant for the substrate ( K m ). For example, for competitive inhibition, [S] opt = K m [Formula: see text]. For [I]/ K i values typically employed for inhibition studies (e.g., 0.5 ≤ [I]/ K i ≤ 4), [S] ≈ 2 K m or 3 K m will generally maximize the v o – v i difference for competitive or LMT (α ≥ 7) inhibitors, respectively. For competitive inhibition of bireactant enzymes, the “optimal” substrate concentrations depend on the Michaelis constants for both substrates, [I]/ K i , and the concentration of the second substrate.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,028
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0030,001
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,007

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,323
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetComputational Drug Discovery MethodsTravaux en français237 207