
<html>

Since Peter is on a long vacation, I will attempt to answer your

question.  You can integrate the peaks by pressing the ctrl and I

keys simultaneously which will give you a dialog box that states that you

should hold the right mouse button down and draw a rectangle to cover the

s range to be integrated. You will see once you do the integration you

will obtain both the % of the loading signal in the integration range and

the weight average s value. Also the results box states that this

integration it is best done without regularization, confidence level of

zero. Regularization gives the most

<font face="Arial, Helvetica">parsimonious distribution for  the

confidence level that you set. Total removal of regularization may give

you too many peaks that will merge at higher confidence levels. You can

still integrate over multiple peaks in the s range you have selected and

compare the result with integration of the distribution you obtain at

higher confidence levels. In my experience the integration results over

the same s range are comparable from no regularization to using settings

of </font><font size=2>p = 0.68 to 0.95.  At the latter p selections

you have the more realistic description of the sedimenting species. Hope

that the above is clear.<br>

<br>

</font>Jack Lebowitz<br>

<br>

<br>

At 10:29 PM 7/12/2004 +0800, medakachou wrote:<br>

<font size=2><blockquote type=cite cite>Dear all,<br>

 <br>

Recently, I'm analyzing the sedimentation velocity spectra by continuous

c(s) distribution (SEDFIT). I've analyzed my data in three kind of

confidence level: p = 0.95, 0.68 and 0.55 and the regularization method

is maximum entropy. The s limit is 0.1 to 25S. I found every species is

not well seperated (they just fuse together) in p = 0.95. In p = 0.68,

the situation is better and the peaks are more significant. p= 0.55 can

give me the highest resolution and every peak is very clear cut. Now the

question is: if I want to calculate the area of peaks by Origin peak

fitting module, which results should I use? I've check Schuck's paper and

he suggests using p = 0.68 to 0.95 is enough. How about 0.55? I

appreciate your response and suggestion.<br>

 <br>

Sincerely,<br>

 <br>

 <br>

Chi-Yuan Chou<br>

PhD student, the Institutes of Life sciences, National Defense Medical

Center, Taipei, Taiwan<br>

e-mail:

<a href="mailto:r6243023@yahoo.com.tw">r6243023@yahoo.com.tw</a></font></blockquote></html>