Lineweaver-Burk Plot Rechner

Berechne Michaelis-Menten-Konstanten (Km und Vmax) aus Substrat-Geschwindigkeits-Datenpunkten mittels doppelt-reziproker linearer Regression.

⚗️

Experimentelle Datenpaare

Gib Substratkonzentration [S] und Anfangsgeschwindigkeit v für 5 Messpunkte ein.

Datenpunkte ([S] vs v)
#1
#2
#3
#4
#5

Maximalgeschwindigkeit (V_max)

100,0

Michaelis-Konstante (K_m)

5,0

Bestimmtheitsmaß (R²)

0,9998
Doppelt-Reziproke Lineargleichung: 1/v = 0,0500(1/[S]) + 0,0100
💡

Enzymhemmungs-Diagnostik

Kompetitive Inhibitoren erhöhen die Steigung (Km steigt, Vmax unverändert). Nicht-kompetitive Inhibitoren verändern den Y-Abschnitt (Vmax sinkt, Km unverändert).

Effekte von Enzym-Inhibitoren auf Lineweaver-Burk Parameter Referenztabelle

Hemmtyp Auswirkung auf Vmax Auswirkung auf Km Lineweaver-Burk Graphenmuster
Kompetitive Hemmung Unverändert Erhöht (Km' > Km) Geraden schneiden sich auf Y-Achse (1/Vmax)
Reine Nicht-kompetitive Hemmung Erniedrigt (Vmax' < Vmax) Unverändert Geraden schneiden sich auf X-Achse (-1/Km)
Unkompetitive Hemmung Erniedrigt (Vmax' < Vmax) Erniedrigt (Km' < Km) Parallele Geraden (Steigung m = Km/Vmax konstant)

Berechnungsmethodik & Formeln

📐

Doppelt-Reziproke Transformation

1/v = (K_m / V_max) × (1/[S]) + 1/V_max

Lineare Regression ($y = mx + c$) wird auf $y = 1/v$ und $x = 1/[S]$ angewendet.

🧪

Berechnung von Km und Vmax

V_max = 1 / c ; K_m = m × V_max

$c$ entspricht dem Y-Achsenabschnitt ($1/V_$) und $m$ der Steigung ($K_m / V_$).

Häufig gestellte Fragen (FAQ)

Was ist ein Lineweaver-Burk-Diagramm?

Ein Lineweaver-Burk-Diagramm (doppelt-reziprokes Diagramm) trägt 1/v auf der Y-Achse gegen 1/[S] auf der X-Achse auf und linearisiert die Michaelis-Menten-Kurve ($y = mx + c$).

Wie bestimmt man Km und Vmax aus Steigung und Achsenabschnitt?

Der Y-Achsenabschnitt ($c$) entspricht $1/V_{}$, also $V_{} = 1/c$. Die Steigung ($m$) ist $K_m / V_{}$, woraus $K_m = m times V_{}$ folgt.

Welche Nachteile hat das Lineweaver-Burk-Verfahren?

Durch die Kehrwertbildung werden Messfehler bei niedrigen Substratkonzentrationen (große Werte für 1/[S]) bei der linearen Regression überproportional gewichtet.