[論文レビュー] Constraint-based Causal Discovery from Multiple Interventions over Overlapping Variable Sets

Sofia Triantafillou, Ioannis Tsamardinos|arXiv (Cornell University)|Mar 10, 2014

Bayesian Modeling and Causal Inference参考文献 51被引用数 93

ひとこと要約

COmbINEは、異なる干渉条件下で重複する変数セットを有する複数の異種データセットを統合し、依存制約のSAT符号化を用いて不変および変動する因果構造を推論する制約ベースの因果発見アルゴリズムである。信頼度順の制約処理により効率性が向上し、統計的矛盾に対しても対処可能であり、実世界の質量サイトメトリーデータにおいて先行手法を上回る性能を示した。

ABSTRACT

Scientific practice typically involves repeatedly studying a system, each time trying to unravel a different perspective. In each study, the scientist may take measurements under different experimental conditions (interventions, manipulations, perturbations) and measure different sets of quantities (variables). The result is a collection of heterogeneous data sets coming from different data distributions. In this work, we present algorithm COmbINE, which accepts a collection of data sets over overlapping variable sets under different experimental conditions; COmbINE then outputs a summary of all causal models indicating the invariant and variant structural characteristics of all models that simultaneously fit all of the input data sets. COmbINE converts estimated dependencies and independencies in the data into path constraints on the data-generating causal model and encodes them as a SAT instance. The algorithm is sound and complete in the sample limit. To account for conflicting constraints arising from statistical errors, we introduce a general method for sorting constraints in order of confidence, computed as a function of their corresponding p-values. In our empirical evaluation, COmbINE outperforms in terms of efficiency the only pre-existing similar algorithm; the latter additionally admits feedback cycles, but does not admit conflicting constraints which hinders the applicability on real data. As a proof-of-concept, COmbINE is employed to co-analyze 4 real, mass-cytometry data sets measuring phosphorylated protein concentrations of overlapping protein sets under 3 different interventions.

研究の動機と目的

• 異なる実験的条件下で得られた重複する変数を有する複数の異種データセットを統合する課題に対処すること。
• 複数のデータセットにわたる因果構造を統合的に推論するとともに、不変および変動する因果的特徴を同定する手法を開発すること。
• 統計的誤差や矛盾する制約を信頼度ベースの順序付けにより処理することで、現実のデータにおける統計的誤差を扱うこと。
• 既存のアルゴリズムが矛盾する制約を処理できないのに対し、より大きなデータセットに対しても効率的にスケーリングできること。

提案手法

• 各データセットからの統計的依存性および独立性を、潜在的な因果モデル上のルート制約に変換する。
• スケーラビリティを向上させるためのコンact表現を用いて、すべての制約をブール充足可能性問題（SAT）として符号化する。
• 統計的独立性検定からのp値を用いて制約を信頼度順にランク付けし、矛盾を解消する。
• 最大祖先グラフ（MAGs）および半マルコフ因果モデル（SMCMs）を用いて、干渉下での因果構造を表現・推論する。
• グリーディーな制約追加戦略を適用：信頼度が低い順に制約を追加し、矛盾するものは破棄する。
• 現代のSATソルバを活用して、すべての入力データセットと同時に適合するすべてのモデルを効率的に計算する。

実験結果

リサーチクエスチョン

• RQ1 重複する変数と異なる干渉を有する複数のデータセットから、統一された因果モデルを学習できるか？
• RQ2 統計的誤差に起因する矛盾する制約は、因果発見の過程でどのように解消できるか？
• RQ3 サンプルサイズおよびデータセット数が、因果推論の正確性と効率性に与える影響は何か？
• RQ4 矛盾する制約を処理しない既存のアルゴリズムと比較して、COmbINEの性能およびスケーラビリティはどの程度か？
• RQ5 COmbINEは、複数の実験的条件下で不変および変動する因果構造をどの程度正確に同定できるか？

主な発見

• COmbINEは、計算効率および大規模な問題サイズへのスケーラビリティにおいて、唯一の類似する既存アルゴリズムを上回った。
• 信頼度ベースの順序付けにより矛盾する制約を効果的に処理でき、統計的誤差が一般的な現実のデータへの適用を可能にした。
• 実験的評価では、小さなサンプルサイズおよび多数のデータセット下でもCOmbINEが高い正確性を維持した。
• COmbINEの矛盾解消技術は、因果的特徴の正確性と再現率の観点で、代替手法を顕著に上回った。
• 4つの実際の質量サイトメトリーデータセットを用いた概念実証では、COmbINEは干渉間で一貫した因果パターンを同定し、実用的有用性を示した。