【食】麺処うどんちゃん [和食＠苫小牧]

麺処うどんちゃん [和食＠苫小牧][Yahoo!グルメ]
2008.2.3(日)17:35入店（初）
注文 ほっきみぞれうどん 1080円

・『うどんちゃん』　ネットでたまたま目に入り、「コイツはうまそうな匂いがプンプンするぜぇぇ～！！」というネーミングに期待大！　のお店です。
　
・苫小牧のカウボーイ方面、国道36号線のEAT-UPや山岡家のある交差点を内陸方向に直進、踏切を越えた突きあたりを左折し、ゆるい右カーブの道を500mほど進んだ、大通りに出る少し手前、右手にあります。

・小奇麗な店内。壁にはラーメン好きな某落語家など有名人のサイン色紙が数枚貼ってありました。
・「元祖ほっき節うどん」が名物らしいので、ここから選択。注文時、「サービスでご飯がつきますが、」とのことで、せっかくなのでつけてもらう。
・うどんは一日百食限定で無くなり次第終了。ほぼ夜の営業開始時刻びったりに行ったのに、既に先客が二組。
　
・出てきたのは、冷たいうどんに、ホッキ、イカ、タマネギのかき揚げと大根おろしが乗ったものでした。つゆをかけて、いたーだきーます！　サービスのご飯はかわいらしい量でほっとしました。ドドーンと出てきたらどうしようかと。
・麺はホッキが練りこんであるので、ほんのりピンク色。正直言ってホッキの風味が効いてるのかどうなのかよく分からなかったのですが、麺自体は普段口にしていたうどんとはまるで別物でした。噛んだ瞬間の、モチッ → プツン と切れる感覚が絶妙。歯ざわりのキメが細かくとっても滑らかです。うどんは美味しく作るとこんな風になるのかと感心してしまいました。かき揚げの方は、脇役のタマネギががんばっていました。やたらに甘くて美味しい。しばし恍惚。また、試しにつゆだけ飲んでみると、すっと口に入って中でふわっとカツオの風味が打ち上げ花火式に広がる、他の店とはひと味違うつゆでした。
・うどんの美味しさを再発見で大満足。
・料理はとっても美味しかったのですが、他の客の吸うタバコの煙に辟易。「せめてオレが食べ終わってからにしてくれ…」などと自分勝手に念じながらの食事でした。
・会計時には次回使える100円引きのチケットがもらえます。
・この店の向かいにある店が『アルデンテ』（パスタ）そのすぐ左には『一龍』（ラーメン）と、苫小牧でも評判の店が軒を連ねています。しらかば町のこの界隈はまさに『麺の黄金地帯』。この二店も近いうちに訪れたいと思います。

　

・その店名と所在地からして、『人類』ではなく『麺類』を名乗る某知人が黙ってはいないだろうと思ったら、やはり↓
★「苫小牧一のうどん」は、ココかも。（今年のうどん・３７８）
http://www.wheatnoodles.com/x/archives/001022.html

【論】Friedman,2000,Using Bayesian Networks to Analy～

Nir Friedman, Michal Linial, Iftach Nachman, Dana Pe'er.
Using Bayesian Networks to Analyze Expression Data
Journal of Computational Biology. August 1, 2000, 7(3-4): 601-620.
[PDF][Web Site]

・それまでの研究の単なる遺伝子抽出だけではなく、マイクロアレイから得られる遺伝子発現データに Bayesian network を適用し、遺伝子間のネットワークの解明を目指す。マイクロアレイの開発が進み、実験がしやすくなり、解析するデータが増えてきたことによる。
・データ：S.cerevisiae (酵母) cell-cycle measurements, 76サンプル, 6177遺伝子 [Spellman,1998]
・Bayesian network に使う確率モデル
1.Multinomial model
2.Linear Gaussian model

・研究の動向「Early microarray experiments examined few samples, and mainly focused on differential display across tissues or conditions of interest. The design of recent experiments focuses on performing a larger number of microarray assays ranging in size from a dozen to a few hundreds of samples. In the near future, data sets containing thousands of samples will become available.」
・特長「It is important to note that our learning algorithm uses no prior biological knowledge nor constraints. All learned networks and relations are based solely on the information conveyed in the measurements themselves.」