JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617

HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 75

Analytical Solution for Enzyme Catalyzed

Reaction Based On Total Quasi Steady State
Approximation
Prashant Dwivedi and Madhvi Shakya

Abstract−The Michaelis-Menten Formalism based on standard quasi steady state approximation (sQSSA) derived for single
enzyme reaction, described the kinetics of many enzyme catalyzed reactions for a number of years. Based on this sQSSA a
closed form solution for basic enzyme reaction was derived earlier by Schnell and Mendoza. This solution was given in terms of
a relatively new function known as Lambert W function which satisfies the transcendental equation W(x)exp(W(x)) = x. But this
formalism is valid only when enzyme concentration is sufficiently small. Recently Borghans et. al. have introduced the total
quasi steady state approximation (tQSSA) which is valid for a broader range of parameters. In the present work an attempt has
been made to derive an analytical solution for substrate decomposition and product formation with the aid of Lambert W
function for single enzyme-substrate reaction, based on total quasi steady state approximation.

Keywords−Standard quasi steady state approximation, Total quasi steady state approximation, Lambert W function,
Transcendental equation.
  ——————————      —————————— 

1 INTRODUCTION
The  kinetics  of  most  of  the  biochemical  reactions  in  in  vivo,  and  thus  advantageous  in  speeding  up  the 
biochemistry  have  been  described  by  the  formalism  simulations.  Furthermore,  while  the  rate  constants  in  (1) 
developed  by  Henri  [8],  [9]  and  Michaelis  and  Menten  are  usually  not  known,  finding  the  kinetic  parameters 
[10]  and  further  improved  by  Briggs  and  Haldane  [4].  characterizing  the  sQSSA  is  a  standard  procedure  in  in 
This  formalism  assumes  a  reaction  where  substrate  S  vitro biochemistry [2]. But the validity of sQSSA demands 
binds  reversibly  to  an  enzyme  E  to  form  intermediate  that  the  initial  enzyme  concentration  should  be  much 
enzyme‐substrate complex C which irreversibly yields the  lower  than  either  the  substrate  concentration  or  the 
product P and enzyme become free to proceed on another  Michaelis‐Menten  constant  Km  [16].  This  is  usually 
substrate  molecule.  The  basic  enzyme  catalyzed  reaction  fulfilled  for  in  vitro  experiments,  but  since  biological 
can be represented as follows  media  is  structure  heterogeneous  therefore  condition 

k1
E  S   C 

k2
E  P   (1) 
breaks down in vivo [1], [18]. Therefore sQSSA might be 
k1 invalid  in  simulation  of  physiologically  realistic  in  vivo 
systems.  Hence,  even  if  the  kinetic  constants  such  as  Km 
where  k1,  k‐1  and  k2  are  the  positive  rate  constants  for 
and kcat are identical in vivo and in vitro, they need to be 
each  reaction.  Michaelis  and  Menten  [10]  assumed  the 
implemented  in  some  other  approximation  which  must 
existence  of  an  equilibrium  between  reactants  and  the 
be  valid  for  the  whole  system  and  initial  concentrations 
intermediate  compound  to  describe  the  kinetics  of 
under investigation. 
reaction  (1).  But  rather  than  accepting  the  equilibrium 
Therefore  when  enzyme  concentration  is  high  in 
between  substrate,  enzyme,  and  the  intermediate 
comparison to substrate, the methods based on sQSSA are 
compound  George  Briggs  and  John  Haldane  [4]  claimed 
not expected to be valid. Segel and Slemrod [17] proposed 
that  the  rate  at  which  the  concentration  of  the 
a  reverse  quasi  steady  state  approximation  (rQSSA)  in 
intermediate  compound  varies  is  practically  zero,  except 
which  the  substrate  S  is  in  a  QSS  with  respect  to  the 
at the very beginning  of the reaction. This assumption is 
enzyme–substrate  complex.  Recently  Schnell  and  Maini 
usually  referred  to  as  standard  quasi  steady  state 
[14]  discussed  the  validity  of  rQSSA  and  derived  the 
approximation  (sQSSA)  which  states  that  after  an  initial 
solution for it. The total quasi steady state approximation 
short  transient  phase  the  reactant  concentrations  vary 
(tQSSA) has been introduced by Borghans et al. [3] which 
slowly as if in a quasi steady state.  
is  valid  for  a  broader  range  of  parameters  covering  both 
The  application  of  quasi‐steady‐state  approximation 
high  and  low  enzyme  concentrations.  The  validity  of 
reduces  the  dimensionality  of  the  system  which  is 
tQSSA  has  been  verified  by  Tzafriri  [19]  for  any  set  of 
essential to numerically simulate large networks as found 
parameters. 
Although  tQSSA  proved  to  be  better  approximation 
————————————————
than sQSSA and rQSSA but still an analytical formalism is 
 Prashant Dwivedi is with theDepartment of Mathematics, Maulana Azad
National Institute of Technology, Bhopal-462051. needed  to  describe  kinetics  of  biochemical  reactions 
 Madhvi Shakya is with theDepartment of Mathematics, Maulana Azad under  in  vivo  conditions.  However  based  on  sQSSA  an 
National Institute of Technology, Bhopal-462051. explicit  closed‐form  solution  to  the  Michaelis‐Menten 
JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617
HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 76
equation  has  been  proposed  only  recently  [13].  This  transient  phase  the  enzymatic  system  enters  in  a  slowly 
solution  is  based  on  the  Lambert  W  function  [5],  [6]  and  changing phase where the reactants can be assumed to be 
the  accuracy  of  this  solution  was  independently  verified  in instantaneous equilibrium. Therefore in this slow time 
to  be  on  the  order  of  10‐15  [7].  But  since  sQSSA  is  valid  regime  the  complex  C  is  in  a  quasi  steady  state  with 
only for a short range of parameters this solution failed if  regard  to  substrate  and  product.  From  dC dt  0,   it 
enzyme  concentration  is  not  very  small  compared  to  follows from (9) that 
substrate concentration.  In the present paper taking into  E0 S
account  only  the  well‐established  assumptions  of  the  C   (12) 
tQSSA,  we  have  been  able  for  the  first  time  to  find  Km  S
analytical  solution  to  describe  the  variations  of  the  Substituting the value of C from (12) into (8) leads to the 
reactant concentrations during the complete time span of  ordinary differential equation 
the basic enzymatic reaction.  dS v S
  max   (13) 
dt Km  S
2 Enzyme kinetics with Standard Quasi
Where  vmax  k 2 E0   is  referred  to  as  the  maximum 
Steady-state Approximation
velocity. Now since during the initial transient phase the 
Mathematical  formulation  of  enzymatic  system  given  by 
substrate  concentration  hardly  changes,  i.e.  S  S 0 . 
(1)  is  based  on  the  law  of  mass  action  which  states  that 
reaction  rates  are  proportional  to  the  concentrations  of  Therefore  during  the  initial  transient  phase  (9)  can  be 
reactants. Thus by applying the law of mass action we get  solved to give 
the following system of nonlinear differential equations  E0 S0
dS C (t )  [1  exp(k1 ( K m  S0 )t )]   (14) 
 k1SE  k1C ,   (2)  K m  S0
dt Equations  (13)  and  (14)  are  describing  the  two  time 
dE phases  of  reaction  system  (1)  and  the  complete  time 
 k1SE  (k1  k2 )C ,   (3)  evolution of (1) is described by these two phases namely 
dt
initial  transient  phase  and  steady  state  phase.  Hence  the 
dC
 k1SE  (k1  k2 )C ,   (4)  total  solution  for  complete  time  evolution  of  enzymatic 
dt system  (1)  will  comprise  the  solution  obtained  from  (13) 
and  that  of  equation  (14).  But  on  integrating  (13)  an 
dP
 k2 C ,   (5)  implicit  expression  in  substrate  concentration  S  is 
dt obtained. However Schnell and Mendoza [13] derived an 
With initial conditions  explicit  closed  form  solution  for  equation  (13),  given  in 
S (0)  S0 , E (0)  E0 , C (0)  0 and P(0)  0   (6)  terms of Lambert W function and is of the form 
Two  conservation  laws  can  also  be  formulated  here  one   S  v t  S 0  
S (t )  K mW  0 exp  max     (15) 
for  enzyme  concentration  and  other  for  substrate  K
concentration as follows   m  K m 
E0  E  C and S0  S  C  P   (7)  At this point, Segel [16] suggested two time scales, first is 
concerned  with  the  time  duration  of  initial  fast  transient 
By  applying  these  two  conservation  laws  the  system  of  phase tC and second is concerned with the time taken for 
nonlinear  differential  equations  given  by  equations  (2),  a  significant  change  in  substrate  concentration  tS  that 
(3),  (4)  and  (5)  reduces  to  following  pair  of  coupled  characterizes  the  quasi  steady‐state  period.  From 
nonlinear differential equations:  equation (14) the initial fast time scale can be given as 
dS 1
 k1 ( E0  C ) S  k1C ,   (8)  tC  (16)
dt k1 ( K m  S0 )
dC
 k1[( E0  C )S  K mC ],   (9)  The  slow  time  scale  can  be  determined  by  dividing  the 
dt total  change  in  substrate  concentration  by  the  maximum 
Where  rate of substrate change, i.e. 
k1  k2 tS 
S0
Km  ,  (10)  , (17)
k1 dS dt max
together with the uncoupled equation  This in turn gives 
dP S0  K m
 k2C   (11)  tS  (18)
dt k2 E0
Now  sQSSA  states  that  when  the  reaction  is  started  by  Now  sQSSA  will  be  valid  if  tc ts (as  suggested  by 
mixing  enzymes  and  substrates,  the  enzyme  substrate  segel,  [16]).  Therefore  from  (16)  and  (18)  the  necessary 
complex  builds  up  at  first  very  rapidly  and  this  phase  is  condition for the validity of sQSSA is 
known  as  initial  transient  phase.  After  this  initial  fast 
JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617
HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 77

E0 For the sake of simplicity neglecting the square terms of C 
1 (19) in (26), we get 
S0  K m E0 St
From  (19)  it  is  clear  that  the  validity  of  sQSSA  demands  C (27)
that  initial  enzyme  concentration  should  be  much  less  E0  K m  St
than  either  initial  substrate  concentration  or  Michaelis‐ Substituting the value of C from (27) into (21), 
Menten  constant.  This  condition  is  usually  fulfilled  in  dSt vmax St
vitro (i.e. in lab condition) but often breaks down in vivo   (28)
(i.e  in  biological  conditions)  [1],  [18].  Therefore  in  dt E0  K m  St
simulation  of  physiologically  realistic  in  vivo  systems  where  vmax  k2 E0  is the maximum velocity.  
sQSSA  might  be  invalid.  For  this  kind  of  situations  total 
The  slow  time  scale  can  again  be  estimated  by 
quasi  steady  state  approximation  (tQSSA)  proved  to  be 
considering  the  maximum  change  of  St  divided  by  the 
extremely useful. 
maximum  rate  of  change  of  total  substrate  after  fast 
transient, i.e. 
3 Enzyme kinetics with Total Quasi Steady- S0
state Approximation tS  , (29)
dSt dt max
When  enzyme  concentration  is  in  access  compared  to 
substrate the sQSSA and therefore (17) are not expected to  From  equation  (21)  with  C  given  by  equation  (27)  and 
be  valid,  the  total  quasi  steady  state  approximation  is  with  St  =  S0,  the  expression  for  the  slow  time  scale  ts  is 
applied. According to tQSSA substrate concentration S is  given as follows 
replaced by total substrate concentration St, [3] where   E0  S0  K m
tS  (30)
St  S  C (20) k2 E0
Substituting  St  in  place  of  S  in  equations  (8)  and  (9)  the  Now total quasi steady state approximation is to be valid 
dynamics  of  the  enzymatic  system  will  be  governed  by  if  tc ts . Therefore from (25) and (30) condition for the 
the following coupled nonlinear differential equations  validity of tQSSA can be given as 
dSt k2 E0
  k2C , (21) 1 (31)
dt k1 ( E0  S0  K m ) 2
dC
 k1[( E0  C )( St  C )  K mC ] (22) 3.1 Analytical Solution based on tQSSA
dt From  the  above  discussion  we  can  see  that  the  initial 
With  initial  conditions  St(0)  =  S0  and  C(0)  =  0.  The  transient  phase  which  is  being  described  by  (24),  is  also 
uncoupled  reaction  given  by  (11)  remains  unchanged.  valid for post‐transient period (i.e. steady state phase) as 
Again the complete course of reaction can be divided into  it is taking into consideration the form of (27). Also (28) is 
two phases, initial transient phase and steady state phase.  describing  the  steady  state  phase.  In  this  way  the  use  of 
Now  during  the  initial  transient  phase  change  in  the  tQSSA  allows  us  the  decoupling  of  the  coupled 
substrate  concentration  is  negligible  and  the  complex  differential equations (21) & (22) describing the kinetics of 
concentration  begins  from  an  initial  value  of  zero  and  enzymatic system (1). Therefore the total solution for the 
remains  relatively  small.  Therefore  in  the  equation  (22)  complete  time  evolution  can  be  obtained  from  the 
substituting  St(t)  =  S0  and  neglecting  the  terms  quadratic  equations 
in C, 
dSt vmax St
dC  (32)
 k1[ E0 S0  ( E0  S0  K m )C ] (23) dt E0  K m  St
dt
Moreover for the initial transient phase equation (23) can be E0 St
C (t )  [1  exp( k1 ( E0  St  K m )t )]
solved to give E0  St  K m
E0 S0
C (t )  [1  exp(k1 ( E0  S0  K m )t )] (24) (33)
E0  S0  K m Integrating (32) results in the following equation 
From  (24)  it  is  clear  that  the  time  scale  corresponding  to  St (t )  S0  ( K m  E0 ) ln  St (t ) S0   vmax t (34)
initial transient phase is 
This  expression  is  of  implicit  nature  therefore  a  solution 
1
tC  (25) of the form S = f(t) cannot be obtained for S(t) from here. 
k1 ( E0  S0  K m ) However an explicit analytical solution can be obtained in 
Since  after  the  initial  transient  phase  the  complex  the  form  of  Lambert  W  function  for  equation  (32),  by 
concentration remains constant therefore applying steady  taking a different approach as follows.  
Let f(x) be a function defined as f ( x)  xe ; x  0 . Then 
x
state  assumption  dC/dt  ≈  0  in  equation  (22),  we  get  a 
quadratic equation given as  
f '( x)  (1  x)e x , so  f '( x)  0 for every positive x. Then 
C  ( E0  K m  St )C  E0 St  0
2
(26) the inverse of  f : (0,  )  (0,  )  will exist. This inverse 
JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617
HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 78

function  is  known  as  Lambert  W  function.  Function  f(x)  mapped  onto  the  interval  (0,1)  by  dividing  their 
defined  above  is  strictly  increasing  on  [ 1, ) ,  therefore  maximum absolute values as shown in the figure. 
 
W(x)  is  defined  over  [  1 e ,  ) [5],  [6].  However  for  the 
present purpose it is convenient to restrict W to  [0, ).  
1

0.9 Complex [C]

(More about Lambert W function is given in appendix A)  0.8
Substrate [S]
Enzyme [E]
Therefore  f (W ( x ))  x   for  every  x  0 ,  i.e.  0.7
Product [P]

Scaled Concentrations
W ( x)eW ( x)
 x . Thus  0.6

ln W ( x)  W ( x)  ln x (35) 0.5

0.4
Now (34) can be rearranged to give  
0.3

St (t )  S (t )  S0  vmax t  S0 
 ln  t   ln  
0.2

K m  E0  K m  E0  K m  E0  K m  E0  0.1

0
(36) 0 0.1 0.2 0.3 0.4 0.5
Scaled Time
0.6 0.7 0.8 0.9 1

Looking  closely  at  (35)  and  (36)  it  seems  reasonable  to   
Fig. 1. Time dependent behaviour of the reactant concentrations for
assume that for any t during the steady state phase of the  basic enzyme substrate reaction with the aid of tQSSA. Reactant
reaction there exist a positive number x such that  concentrations and time range has been scaled to the interval (0,1)
by dividing their maximum absolute values. Parameters values used
St (t )  S (t )  -1 -1 -1 -1
are k1=10 μM sec , k-1=1 sec , k2=10 sec (Km=1.1 μM) and initial
 W ( x) and so  ln  t   ln W ( x)    data were S0=10 μM, E0=0.1 μM and C0=0=P0.
K m  E0  K m  E0 
Which in turn gives  From the fig. 1. It is clear that the substrate concentration 
St (t )  S (t )  decreases  exponentially  while  the  product  concentration 
 ln  t   W ( x)  ln W ( x)    increases exponentially as expected. Also in the transient 
K m  E0  K m  E0  period  which  is  very  small,  enzyme  substrate  complex 
Therefore from (36), we get  builds  at  first  very  rapidly  (vertically  increases)  and 
became  nearly  constant  during  steady  state  phase  and 
S0  vmax t  S0 
 ln    W ( x)  ln W ( x)    then  start  to  decay  to  zero.  The  graph  for  enzyme 
K m  E0  K m  E0  concentration is just opposite to that of enzyme substrate 
complex.  In  fig.  1  since  we  have  taken  initial  enzyme 
Taking antilog on both sides and recalling  W ( x)eW ( x )  x concentration  less  in  comparison  to  that  of  substrate,  the 
 
We obtain   results  are  in  agreement  to  that  of  results  obtained  from 
S0  S v t  tQSSA.  
x exp  0 max  (37)
K m  E0  K m  E0 
1 1
2(a) For e0=0.1 2(b) For e0=10
0.9 For e0=1 0.9 For e0=100

Now  for  the  x  given  by  (37)  under  steady  state  phase  it  0.8 0.8

can also be proved that 
Scaled Substrate Concentration
Scaled Substrate Concentration

0.7 0.7

S t (t )  S0  v t  S 0   0.6 0.6

W  exp  max  

0.5 0.5

( K m  E0 )  K m  E0  K m  E0   0.4 0.4

0.3 0.3
(38)
0.2 0.2
From  (38)  we  are  in  position  to  express  substrate 
0.1 0.1
concentration as a function of time explicitly 
0 0

 S0  v t  S0 
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Scaled Time
Scaled Time

St (t )  ( K m  E0 )W  exp  max  
K E Fig. 2. Time dependent behaviour of the substrate concentrations
 m 0  K m  E0  with varying enzyme concentration for basic enzyme substrate
reaction. Reactant concentrations and time range has been scaled to
(39) the interval (0,1) by dividing their maximum absolute values.
-1 -1 -1 -1
Equation  (39)  provides  a  better  approach  to  analyze  Parameters values used are k1=10 μM sec , k-1=1 sec , k2=10 sec
enzymatic system (1).  (Km=1.1 μM). Initial substrate concentration is taken as S0=10 for
both the figures 2(a) and 2(b). In fig. 2(a) time dependent curve for
substrate concentration has been drawn for two different initial
4 Results and Discussion enzyme concentrations E0=0.1 and E0=1 and in fig. 2(b) initial
enzyme concentrations are taken as E0=10 and E0=100.
With  equation  (36),  (33)  and  conservation  laws  given  in 
(7) we are now in position to elegantly construct the time  
In fig. 2(a) and 2(b) the graph for substrate concentration 
evolution  of  all  the  reactant  concentrations  during  the 
with respect to time has been drawn for different enzyme 
complete  duration  of  the  reaction  0 ∞ .  Reactant 
concentrations.  In  both  the  figures  initial  substrate 
concentrations  and  the  infinite  time  range  has  been 
concentration  is  taken  as  10  while  initial  enzyme 
JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617
HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 79
concentrations for fig. 2(a) were 0.1 and 1 and for fig. 2(b)  advantage of this work is that it provides the solution  at 
were 10 and 100. From the fig. 2(a) we can see that when  each point for the complete course of reaction hence gives 
initial  enzyme  concentration  is  less  in  comparison  to  better  insights  of  enzyme  substrate  reaction  system  for 
substrate, substrate decays exponentially  as in the case of 
which  numerical  techniques  had  been  used  previously.    
sQSSA and the curve remains almost same for both initial 
The  solution  which  has  been  derived  for  basic  enzyme‐
enzyme concentrations E0=0.1 and E0=1. In fig. 2(b) when 
enzyme  concentration  is  comparable  or  higher  in  regard  substrate  reaction  is  not  an  exact  solution  but  will  be 
to  substrate,  substrate  decays  almost  vertically  for  little  accurate  for  k 2 E0 k1 ( E0  S 0  K m ) 2 1   and  will  give 
time and then becomes nearly horizontal with time. This  better results than the solution based on sQSSA. 
phenomenon was obvious because in this situation all the 
substrate  molecules  can  bind  with  enzyme  molecules  at 
once and most of them would have been transformed into  APPENDIX A
the  product  (vertical  decay)  and  remaining  would  be  Lambert  W  function  (also  known  as  Omega  function  or 
transformed afterwards (horizontal decay).  Product  log  function)  was  first  introduced  by  Euler  in 
  1779 and satisfies the transcendental equation  
3(a)
1
For e0=0.1 3(b)
1
For e0=10 W ( x ) exp(W ( x ))  x  
0.9 For e0=1 0.9 For e0=100
Lambert W function is useful to analyze linear time delay 
0.8 0.8
systems. The advantage of using the Lambert W function 
Scaled Complex Concentration

Scaled Complex Concentration

0.7 0.7
is  that  it  can  algebraically  solve  the  characteristic 
0.6 0.6
equations of scalar linear time‐delay systems. This makes 
0.5 0.5
one  possible  to  explicitly  express  the  characteristic  roots 
0.4 0.4
of  the  systems  and  easily  compute  them.  Moreover,  it 
0.3 0.3
helps  to  study  the  qualitative  features  of  systems  and 
0.2 0.2
always supplies an exact analysis for which it is difficult 
0.1 0.1
to  express  solution  in  terms  of  independent  variable  [5]. 
0
0 0.2 0.4 0.6 0.8 1
0
0 0.2 0.4 0.6 0.8 1 As in present case with the aid of Lambert W function we 
Scaled Time Scaled Time
are   able  to  describe  the  substrate  concentration  as  a 
Fig. 3. Time dependent behaviour of the enzyme substrate complex function of time explicitly. 
concentrations with varying enzyme concentration for basic enzyme
substrate reaction. Reactant concentrations and time range has Lambert  W  function  has  three  distinct  branches 
been scaled to the interval (0, 1) by dividing their maximum absolute depending  upon  the  values  of  x  [6].  For  x  >  0,  W  is 
-1 -1 -1
values. Parameters values used are k1=10 μM sec , k-1=1 sec , positive and has a unique value (Region above W = 0). For 
-1
k2=10 sec (KM = 1.1 μM). Initial complex concentration is taken as
x values in the range of ‐1/e < x < 0, two solutions exist ( 
zero for both the figures 3(a) and 3(b). In fig. 3(a) time dependent
curve for complex concentration has been drawn for two different First  is  between  W  =  0  and  W  =  ‐1  and  the  other  one  is 
initial enzyme concentrations E0=0.1 and E0=1 and in fig. 3(b) initial below W = ‐1 as shown in the fig. 4. 
enzyme concentrations are taken as E0=10 and E0=100.  

In  fig.  3(a)  and  3(b)  the  graph  for  enzyme  substrate 
complex  concentration  with  respect  to  time  has  been 
drawn  for  different  enzyme  concentrations.  In  both  the 
figures  initial  complex  concentration  is  taken  as  zero 
while  initial  enzyme  concentrations  for  fig.  3(a)  were  0.1 
and 1 and for fig. 3(b) were 10 and 100. From the fig. 3(a) 
we can see that when initial enzyme concentration is less 
in  comparison  to  substrate,  the  behaviour  of  the  graph 
remains  almost  same  for  both  the  initial  enzyme 
concentrations  and  in  agreement  to  that  obtained  from 
sQSSA.  In  fig.  3(b)  complex  concentration  increases 
vertically in the transient phase as usually but the steady 
state  phase  becomes  very  small  and  complex 
concentration decays more rapidly (almost exponentially) 
after steady state phase. 
 
Fig. 4. Three branches of Lambert W Function (see [5] & [6]). 
4 CONCLUSION
In  the  present  work  an  analytical  solution  based  on  REFERENCES
tQSSA  for  single  enzyme‐substrate  reaction  has  been  [1] K. R. Albe, M. H. Butler and B. E. Wright, “Cellular concentrations
derived.  This  solution  is  given  in  terms  of  Lambert  W  of enzymes and their substrates”, J. Theor. Biol., vol. 143, pp. 163–
function  and  is  similar  to  that  obtained  by  Shnell  and  195, 1990. 
Mendoza  [13]  which  was  based  on  sQSSA.  The  main  [2] Hans Bisswanger, “Enzyme Kinetics, Principles and Methods”, 
JOURNAL OF COMPUTING, VOLUME 2, ISSUE 7, JULY 2010, ISSN 2151-9617
HTTPS://SITES.GOOGLE.COM/SITE/JOURNALOFCOMPUTING/
WWW.JOURNALOFCOMPUTING.ORG 80
Wiley‐Vch, 2008.   
[3] J. A. M. Borghans, R. J. De Boer and L. A. Segel, “Extending the   
quasi‐steady  state  approximation  by  changing  variables”.  Bull.   
Math. Biol., vol. 58, pp. 43‐63, 1996.   
[4] G.E.  Briggs  and  J.B.S.  Haldane,  “A  note  on  the  kinetics  of   
enzyme action”. J. Biochem. vol. 19, pp. 338‐339, 1925.   
[5] R. M. Corless, G. H. Gonnet, D. E. G. Hare and D. J. Jeffrey, “On   
Lambert’s W function. Technical Report Cs‐93‐03, Department of   
Computer Science, University of Waterloo, Canada, 1993.   
[6] F. N. Fritsch, R.  E. Shafer and W. P.  Crowley, “Algorithm 443:   
Solution  of  the  transcendental  equation  wew=x.  Comm”  ACM,   
vol. 16, pp. 123‐124, 1973.   
[7] C.  T.  Goudar,  J.  R.  Sonnad  and  R.  G.  Duggleby,  “Parameter   
estimation  using  a  direct  solution  of  the  integrated  Michaelis‐  
Menten Equation”. Biochem. Et Biophys. Acta, 1429, pp. 377‐383,   
1999.   
[8] V. Henri, “Recherches sur la loi de l’action de la sucrose”, C. R.   
Hebd. Acad. Sci., vol. 133, pp. 891‐899, 1901a.   
[9] V.  Henri,  “The´orie  ge´ne´rale  de  l’action  de  quelques 
diastases”, C. R. Hebd. Acad. Sci, vol. 135, pp. 916‐919, 1902. 
[10] L.  Michalis  and  M.  L.  Menten,  “Die  kinetik  der 
invertinwirkung”, Biochem. Z, vol. 49, pp. 333‐369, 1913. 
[11] Michel  Helfgott  and  Edith  Seier,  “Some  Mathematical  and 
Statistical  aspects  of  enzyme  kinetics”,  The  Journal  of  online 
mathematics and its applications, vol. 7, Oct. 2007.  
[12] J. D. Murray, “Mathematical Biology: I. An Introduction” , New 
York. Springer‐Verlag. 
[13] S.  Schnell  and  C.  Mendoza,  “Closed  form  solution  for  time‐
dependent  enzyme  kinetics”,  J.  Theor.  Biol.,  vol.  187,  pp.  207‐
212, 1997. 
[14] S.  Schnell  and  P.  K.  Maini,  “Enzyme  kinetics  at  high  enzyme 
concentration”, Bull. Math. Biol., vol. 62, pp. 483‐499, 2000. 
[15] I. H. Segel, “Enzyme Kinetics. Behavior and Analysis of Rapid 
Equilibrium  and  Steady‐state        Enzyme  Systems”,  New  York: 
Wiley, pp. 18–99, 1975. 
[16] L.  A.  Segel,  “On  the  validity  of  the  steady  state  assumption  of 
enzyme kinetics”, Bull. Math. Biol., vol. 50, pp. 579–593, 1988. 
[17] L.  A.  Segel  and  M.  Slemrod,  “The  quasi‐steady‐state 
assumption:  a  case  study  in  perturbation”,  SIAM  Rev.,  vol.  31 
pp. 446–477, 1989. 
[18] A.  Sols  and  R.  Marco,  “Concentrations  of  metabolites  and 
binding  sites.  Implications  in  metabolic  regulation,  in  Current 
Topics  in  Cellular  Regulation”,  vol.  2,  B.  Horecker  and  E. 
Stadtman (Eds), New York: Academic Press, (1970) pp. 227–273. 
[19] A.  R.  Tzafriri,  “Michaelis‐Menten  kinetics  at  high    enzyme 
concentrations”, Bull. Math. Biol., vol. 65, pp. 1111‐1129, 2003. 

Prashant Dwivedi is working as a Research Fellow in the

Department of Mathematics, Maulana Azad National Institute of
Technology, Bhopal, India. He pursued his M.Sc. in Mathematics
from SOMAAS, Jiwaji University Gwalior, India in 2006. His current
research interests include Mathematical Biology and Computational
Mathematics. 
 
Madhvi Shakya is Assistant Professor in the Department of
Mathematics, Maulana Azad National Institute of Technology,
Bhopal, India. She obtained her M.Sc. (Mathematics) from Jiwaji
University, Gwalior, India and Ph.D. in Mathematics from Rajiv
Gandhi Technical University, Bhopal, India. Her research interests
include computational mathematics, Mathematical Biology,
Bioinformatics, Biocomputing/Biomodeling.