[論文レビュー] Linear Causal Disentanglement via Interventions

Chandler Squires, Anna Seigal+2 more|arXiv (Cornell University)|Nov 29, 2022

Bayesian Modeling and Causal Inference被引用数 4

ひとこと要約

本稿では、観測データから潜在的因果構造を一意に同定するための介入を用いた線形因果分離手法を提案する。介入を各潜在変数に対して行うことが、同定可能性の観点で必要かつ十分であることを証明し、新たな部分順序に基づく行列分解を活用して因果モデルを回復し、合成データ、準合成データ、および単細胞RNA-seqデータにおいて正確な回復を示した。

ABSTRACT

Causal disentanglement seeks a representation of data involving latent variables that relate to one another via a causal model. A representation is identifiable if both the latent model and the transformation from latent to observed variables are unique. In this paper, we study observed variables that are a linear transformation of a linear latent causal model. Data from interventions are necessary for identifiability: if one latent variable is missing an intervention, we show that there exist distinct models that cannot be distinguished. Conversely, we show that a single intervention on each latent variable is sufficient for identifiability. Our proof uses a generalization of the RQ decomposition of a matrix that replaces the usual orthogonal and upper triangular conditions with analogues depending on a partial order on the rows of the matrix, with partial order determined by a latent causal model. We corroborate our theoretical results with a method for causal disentanglement that accurately recovers a latent causal model.

研究の動機と目的

• 観測データと介入データから線形潜在因果モデルが一意に同定可能となる条件を確立すること。
• 介入が欠落している場合に生じる因果分離における非同定性の根本的問題に取り組むこと。
• 有限標本データから潜在因果構造を回復する実用的手法を開発すること。
• 合成データ、準合成データ、および実際の単細胞RNA-seqデータを用いて手法を検証すること。
• がん患者の生存予後と関連付けることで、学習された潜在変数の生物学的解釈可能性を検討すること。

提案手法

• 潜在因果グラフから導かれる部分順序に基づく条件を用いて、直交行列および上三角行列の制約を置き換えた、行列の一般化されたRQ分解を提案する。
• 各潜在変数に対する完全な介入と観測状況のデータを用い、混合行列 $G$、構造的係数 $B_k$、および潜在構造 $H$ を推定する。
• 複数の文脈における共分散行列から、一般化されたRQ分解を適用して潜在因果モデルを回復する。
• 実際の標本サイズに適応するため、理論的アルゴリズムを経験的共分散推定と行列分解技術を用いて有限標本設定に適合させる。
• パラメータ推定にスコアベースのアプローチを採用し、罰則付き最尤推定や勾配ベース最適化の可能性を含む。
• 合成データおよび準合成データセットにおける再構成精度の評価を通じて手法を検証し、KRAS変異を有する肺がん患者の単細胞RNA-seqデータセットに適用した。

実験結果

リサーチクエスチョン

• RQ1 線形潜在因果モデルの一意的同定に必要な十分な介入の条件は何か？
• RQ2 因果グラフから導かれる部分順序に基づいて、潜在因果構造を回復可能な一般化された行列分解技術を開発できるか？
• RQ3 合成データおよび準合成データにおける有限標本設定下で、提案手法が真の潜在因果モデルをどの程度正確に回復できるか？
• RQ4 実際の生物学的データセットにおける学習済み潜在変数を、既知の生物学的経路や臨床的アウトカムと意味的に関連付けることができるか？
• RQ5 $d+1$ 個未満の文脈が利用可能な場合、潜在因果モデルのパラメータはどの程度部分的に同定可能か？

主な発見

• 最悪ケースにおいて、各潜在変数に対する介入が、線形因果分離モデルの同定可能性にとって必要かつ十分である。
• 本手法は、高次元の潜在空間を有する合成データおよび準合成データに対しても、生成モデルを正確に回復した。
• 83個の遺伝子と83例のKRAS変異を有する単細胞RNA-seqデータセットにおいて、生存予後と有意に関連する5つの潜在変数を同定した（補正後p < 0.1）。
• 学習された潜在構造は、がんの主要な生物学的駆動因子として知られるKRASのキーモジュール（例：G12, G13）を明確に示している。
• 一般化されたRQ分解により、因果順序を行列因子化の制約に組み込むことで、潜在因果モデルの一意的回復が可能になった。
• アブレーションスタディにより、ノイズに強く、最大 $10^8$ の大規模なサンプルサイズでも良好な性能を示した。