[論文レビュー] Causal Discovery with Heterogeneous Observational Data

Fangting Zhou, Kejun He+1 more|arXiv (Cornell University)|Jan 28, 2022

Bayesian Modeling and Causal Inference被引用数 5

ひとこと要約

本稿では、外生的共変量を活用して異種の観測データにおける因果構造を同定する、新しいベイジアン因果発見手法CHODを提案する。この手法は、サイクルと測定されていない交絡要因を両方とも扱える。因果効果を共変量の関数としてモデル化することで、因果的に不十分で循環的なシステムにおいて構造的同定可能性を達成し、シミュレーションおよび実際の乳がんゲノムデータにおいて最先端の手法を上回る性能を示す。

ABSTRACT

We consider the problem of causal discovery (structure learning) from heterogeneous observational data. Most existing methods assume a homogeneous sampling scheme, which leads to misleading conclusions when violated in many applications. To this end, we propose a novel approach that exploits data heterogeneity to infer possibly cyclic causal structures from causally insufficient systems. The core idea is to model the direct causal effects as functions of exogenous covariates that properly explain data heterogeneity. We investigate structure identifiability properties of the proposed model. Structure learning is carried out in a fully Bayesian fashion, which provides natural uncertainty quantification. We demonstrate its utility through extensive simulations and a real-world application.

研究の動機と目的

• 独立同分布の観測を仮定する従来の因果発見手法の限界、すなわちデータの異種性がある現実世界の応用ではしばしば失敗する点を解決する。
• 純粋な観測データを用いて、有向サイクルと測定されていない交絡要因が共存する状況下でも一意な因果構造を同定できる手法を開発する。
• 外生的共変量を活用してデータの異種性を捉え、従来の手法が失敗する因果的に不十分なシステムにおいて構造的同定可能性を実現する。
• 因果構造学習における不確実性を自然に定量化できる完全なベイジアンフレームワークを提供する。
• 合成データおよび実世界のゲノムデータにおいて、特に異種のがんデータにおける遺伝子フィードバックループの同定において、本手法の優位性を実証する。

提案手法

• 外生的共変量の関数として変化する係数行列Bを用いた線形構造方程式モデル（SEM）を用いて因果構造をモデル化し、異種性に配慮した因果効果を実現する。
• 直接効果b_jℓが共変量に依存する変化係数モデルとして因果メカニズムを定式化し、環境に特化した因果関係を捉える。
• スプライン係数にスパイクアンドスラブ事前分布を適用した完全なベイジアン推論アプローチを用い、構造学習と不確実性の定量化を実現する。
• 次元削減（UMAP）を適用して、異種性をモデル化するための共変量入力として、データの低次元埋め込みを抽出する。
• サイクルと交絡要因を伴う観測データから因果グラフを一意に回復できる十分条件を導出し、構造的同定可能性を保証する。
• MCMCサンプリングを用いて因果グラフの事後分布を探索し、不確実性を伴った因果効果推定を実装する。

実験結果

リサーチクエスチョン

• RQ1 データの異種性がある状況下で、純粋な観測データからサイクルと測定されていない交絡要因を伴う因果構造を一意に同定できるか？
• RQ2 外生的共変量をどのように活用することで、複雑な因果構造を伴う因果的に不十分なシステムにおける同定可能性を実現できるか？
• RQ3 本手法のモデルが、サイクルと交絡要因の両方の存在下で構造的同定可能性を達成する十分条件は何か？
• RQ4 CHODの性能は、異種のゲノムデータにおけるフィードバックループ検出において、最先端の手法と比べてどのように異なるか？
• RQ5 本手法は、データの異種性下でも因果構造学習における信頼性の高い不確実性定量化を提供できるか？

主な発見

• CHODは、乳がんデータにおける8つのTP53関連フィードバックループすべてで一貫した高い性能を示し、平均MCCが0.545で、2つのネットワークでは完全な検出（TPR=1.0）を達成した。
• ネットワークGおよびHでは、CHODは完全なTPRとFDR=0.0を達成し、LiNGおよびANMよりもMCC（1.000）とFDR制御の面で優れていた。
• CHODは、すべてのネットワークでFCI-JCIおよびASD-JCIを著しく上回り、特にネットワークDおよびEにおいてFDRが低く、MCCが高かった。
• さまざまなレベルの交絡とサイクルの複雑さを想定した広範なシミュレーションにより、CHODがデータの異種性下でも因果構造の同定に頑健であることが検証された。
• 完全なベイジアン推論により、CHODは因果構造推定の信頼性を評価する不確実性定量化を信頼できる形で提供した。
• 実世界の応用において、CHODはTP53経路における既知の生物学的フィードバックループを正常に同定し、生物学的妥当性と実用的有用性を確認した。