docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,146 @@
|
||||
---
|
||||
id: wiki-2026-0508-enzyme-inhibition-kinetics
|
||||
title: Enzyme Inhibition Kinetics
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Inhibitor Kinetics, Michaelis-Menten Inhibition]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [biochemistry, kinetics, enzymes, pharmacology]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: scipy
|
||||
---
|
||||
|
||||
# Enzyme Inhibition Kinetics
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 inhibitor 의 binding mode 가 Vmax/Km 의 어떻게 shift 의 결정"**. 매 1913 Michaelis-Menten + 1934 Lineweaver-Burk extension. 매 2026 의 cryo-EM + MD simulation + AlphaFold-Multimer 가 mechanism elucidation 의 정밀.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 4 inhibitor types
|
||||
- **Competitive**: 매 active site binding — Km ↑, Vmax 불변. 매 substrate 증가 시 reversible.
|
||||
- **Uncompetitive**: 매 ES complex binding — Km ↓, Vmax ↓ (same fold). 매 high [S] 의 deeper inhibition.
|
||||
- **Non-competitive (mixed)**: 매 enzyme + ES 모두 binding — Vmax ↓, Km 의 shift (α, α').
|
||||
- **Irreversible (covalent)**: 매 covalent bond (suicide inhibitor) — 매 time-dependent IC50.
|
||||
|
||||
### 매 핵심 equation
|
||||
- **Michaelis-Menten**: v = Vmax·[S] / (Km + [S]).
|
||||
- **Competitive**: v = Vmax·[S] / (αKm + [S]), α = 1 + [I]/Ki.
|
||||
- **Ki** (inhibition constant): 매 lower Ki = stronger binding.
|
||||
- **IC50**: 매 50% inhibition concentration — 매 [S]-dependent.
|
||||
- **Cheng-Prusoff**: Ki = IC50 / (1 + [S]/Km) for competitive.
|
||||
|
||||
### 매 응용
|
||||
1. Statins (HMG-CoA reductase competitive).
|
||||
2. Methotrexate (DHFR competitive).
|
||||
3. Aspirin (COX irreversible acetylation).
|
||||
4. Drug-drug interaction (CYP450 inhibition).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Michaelis-Menten fitting
|
||||
```python
|
||||
import numpy as np
|
||||
from scipy.optimize import curve_fit
|
||||
|
||||
def mm(S, Vmax, Km):
|
||||
return Vmax * S / (Km + S)
|
||||
|
||||
S = np.array([0.1, 0.3, 1.0, 3.0, 10.0, 30.0])
|
||||
v = np.array([0.91, 2.31, 5.00, 7.50, 9.09, 9.68])
|
||||
(Vmax, Km), _ = curve_fit(mm, S, v, p0=[10, 1])
|
||||
print(f"Vmax={Vmax:.2f}, Km={Km:.2f}")
|
||||
```
|
||||
|
||||
### Competitive inhibition fit (global fit over [I])
|
||||
```python
|
||||
def competitive(S_I, Vmax, Km, Ki):
|
||||
S, I = S_I
|
||||
alpha = 1 + I / Ki
|
||||
return Vmax * S / (alpha * Km + S)
|
||||
|
||||
S_grid, I_grid = np.meshgrid([0.1, 1, 10], [0, 0.5, 2.0])
|
||||
xdata = np.vstack([S_grid.ravel(), I_grid.ravel()])
|
||||
# ydata = experimental velocities at each (S, I)
|
||||
(Vmax, Km, Ki), _ = curve_fit(competitive, xdata, ydata, p0=[10, 1, 1])
|
||||
```
|
||||
|
||||
### IC50 fit (Hill equation)
|
||||
```python
|
||||
def hill(I, IC50, n, top=1.0, bottom=0.0):
|
||||
return bottom + (top - bottom) / (1 + (I / IC50) ** n)
|
||||
|
||||
(IC50, n), _ = curve_fit(lambda I, IC50, n: hill(I, IC50, n),
|
||||
I_data, response_data, p0=[1.0, 1.0])
|
||||
```
|
||||
|
||||
### Cheng-Prusoff conversion
|
||||
```python
|
||||
def cheng_prusoff_ki(IC50: float, S: float, Km: float, mode: str = "competitive") -> float:
|
||||
if mode == "competitive":
|
||||
return IC50 / (1 + S / Km)
|
||||
if mode == "uncompetitive":
|
||||
return IC50 / (1 + Km / S)
|
||||
if mode == "non-competitive":
|
||||
return IC50 # mixed: independent of [S] in pure non-competitive
|
||||
raise ValueError(mode)
|
||||
```
|
||||
|
||||
### Time-dependent (irreversible) kinetics
|
||||
```python
|
||||
def kobs_vs_inhibitor(t: np.ndarray, kinact: float, KI: float, I: float) -> np.ndarray:
|
||||
"""Fractional active enzyme over time."""
|
||||
kobs = kinact * I / (KI + I)
|
||||
return np.exp(-kobs * t)
|
||||
```
|
||||
|
||||
### Lineweaver-Burk diagnostic
|
||||
```python
|
||||
import matplotlib.pyplot as plt
|
||||
inv_S = 1 / S
|
||||
inv_v = 1 / v
|
||||
plt.plot(inv_S, inv_v, "o")
|
||||
# Slope = Km/Vmax, y-intercept = 1/Vmax.
|
||||
# Competitive: lines intersect at y-axis. Non-competitive: at x-axis.
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Diagnostic |
|
||||
|---|---|
|
||||
| Km↑, Vmax 동일 | competitive |
|
||||
| Km↓, Vmax↓ (same factor) | uncompetitive |
|
||||
| Vmax↓, Km variable | mixed/non-competitive |
|
||||
| time-dependent kobs | irreversible/slow-binding |
|
||||
| High [S] 의 inhibition deepening | uncompetitive |
|
||||
|
||||
**기본값**: 매 global non-linear fit over (S, I) grid > Lineweaver-Burk linearization (매 error 의 distort).
|
||||
|
||||
## 🔗 Graph
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 mechanism classification 의 plot interpretation, 매 fitting code 의 생성, 매 literature Ki 의 aggregation.
|
||||
**언제 X**: 매 raw fluorescence/absorbance 의 직접 fit — 매 background subtraction, inner-filter correction 의 manual review 필요.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Lineweaver-Burk 의 fitting**: 매 error 의 1/v transformation 시 distort — 매 non-linear fit 사용.
|
||||
- **IC50 의 Ki 의 동일시**: 매 [S]-dependent — 매 Cheng-Prusoff 변환 필수.
|
||||
- **Single [I] 의 mechanism 결정**: 매 ambiguous — 매 multiple [I] 의 (S, v) curve 비교.
|
||||
- **Ignoring substrate depletion**: 매 initial-rate assumption violation.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Cornish-Bowden "Fundamentals of Enzyme Kinetics" 4th ed, Copeland "Evaluation of Enzyme Inhibitors" 2nd ed).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — 4 inhibitor types, scipy fitting, Cheng-Prusoff 추가 |
|
||||
Reference in New Issue
Block a user