Question

我试图将michaelis menten方程拟合到数据集以确定消失率以及数据允许时的IC50（Km）。除了浓度为0的第一个点，我正在变得合适，但是，我得到Km的负值，这是不正确的。我使用以下代码。

x <- c(0, 2.5, 5.0, 10.0, 25.0)
y <- c(4.91, 1.32, 1.18, 1.12, 1.09)

#########################Fit General Michaelis Menten Equation########################################################          


model.mm <- nls(y ~ (Vmax*x/(Km+x)), data = data.frame(x,y), 
                 start = list(Km=max(y)/2, Vmax = max(y)))
print(summary(model.mm))

#plot it
plot(y~x, type="p", lwd=2,
     xlab="Lopinavir Concentrations (uM)", ylab="Efflux Ratio")
title("Lopinavir Transport in MDCK-MDR1 Cells")
lines(fitted(model.mm)~x, col="red")

非常感谢任何改进拟合和参数估计的建议。

感谢， Krina

Answer 1

xlab的Michealis Menten双曲线=基质浓度和ylab =速度通常看起来像一个上升的双曲线到最大值。随着基板浓度的增加，您测量的参数看起来像指数衰减。我不确定Michealis Menten方程在这里运作得如此之好。你也不应该使用lines函数。它没有给你一个曲线。你应该使用曲线函数。

x < - c（0,2.5,5.0,10.0,25.0） y＆lt; -c（4.91,1.32,1.18,1.12,1.09） mm＆lt; - data.frame（x，y）

我认为你应该在将数据帧调用到函数之前制作数据帧。

model.mm＆lt; - nls（y~Vmax * x /（Km + x），data = mm，start = list（Km = max（mm $ y）/ 2，Vmax = max（mm $ y）））

图（y~x，type =“p”，lwd = 2，xlab =“Lopinavir浓度（uM）”，ylab =“流出比”，pch = 16，main =“Lopinavir在MDCK-MDR1细胞中的转运“）

摘要（model.mm）

公式：y~Vmax * x /（Km + x）

参数：估计标准。误差t值Pr（＆gt; | t |） Km -0.4772 6.6246 -0.072 0.947 Vmax 1.0678 2.1382 0.499 0.652

剩余标准误差：3自由度为2.835

收敛的迭代次数：4 实现收敛容差：6.634e-06

现在我认为曲线函数非常自我解释：

？曲线

曲线（x * 1.0678 /（x + -0.4772），col =“red”，lwd = 2，add = TRUE）

fx＆lt; - function（x）{x * 1.0678 /（x + -0.4772）}

范围（x）的   1 0 25

我们可以整合这个Michealis-Menten FUnction并计算曲线下的面积：

需要（pracma）

整合（fx，lower = 0，upper = 25）    积分错误（fx，lower = 0，upper = 25）：     积分可能是不同的

这种分歧是因为你的情节看起来很像y =（1 / x），这是不同的。

如果你将x推离零点，y趋于无穷大，我们可以得到有限的答案。

整合（fx，lower = 0.5，upper = 25） 29.71809绝对错误＆lt; 0.00069

但由于分歧原因，这种积分是值得怀疑的。

您可以使用梯形近似来估计散点图下的面积：

trapz（mm $ x，mm $ y） 1 33.2375

注意：我尝试将指数函数拟合到您的绘图中，但这不起作用。缺少大部分点时曲线下降太快。

我想我弄清楚了你的功能有什么问题。

类型：y =（x * v）/（x + K）

进入https://www.desmos.com/calculator

看看当你做K为负和K为正时会发生什么，当你做K和v为负时等等。

Answer 2

感谢您的帮助，非常感谢。

我能够通过使用山脉方程来解决这个问题。

fo <- y ~ (Vmax*x^hill/((VC50^hill) + (x^hill)))
st <- c(Vmax=0.5, hill=1, VC50=0.3)

model.hill <- nls(fo, data = data.frame(x,y), start = st)
print(summary(model.hill))
co <- coef(model.hill)

plot(y~x, type="p", lwd=2,
     xlab="Lopinavir Concentrations (uM)", ylab="Efflux Ratio")
title("Lopinavir Transport in MDCK-MDR1 Cells")
lines(fitted(model.hill)~x, col="red")

nls（）michaelis menten负面参数

2 个答案: