[論文レビュー] Permutation-based Causal Inference Algorithms with Interventions

Yuhao Wang, Liam Solus+2 more|arXiv (Cornell University)|May 29, 2017

Bayesian Modeling and Causal Inference参考文献 16被引用数 32

ひとこと要約

本稿では、忠実性仮定の下で一貫性を保証する、観測データと介入データを統合する非パラメトリックで順列に基づく因果推論アルゴリズム2つ——IGSP および k-IGSP——を紹介する。これらのアルゴリズムは、Greedy SPフレームワークを拡張して介入を扱えるようにし、非ガウス分布の遺伝子発現データおよびシグナリングデータにおいて、GIESなどのパラメトリック手法を上回る性能を示し、実世界の生物学的データセットにおいて高い頑健性と正確性を示している。

ABSTRACT

Learning directed acyclic graphs using both observational and interventional data is now a fundamentally important problem due to recent technological developments in genomics that generate such single-cell gene expression data at a very large scale. In order to utilize this data for learning gene regulatory networks, efficient and reliable causal inference algorithms are needed that can make use of both observational and interventional data. In this paper, we present two algorithms of this type and prove that both are consistent under the faithfulness assumption. These algorithms are interventional adaptations of the Greedy SP algorithm and are the first algorithms using both observational and interventional data with consistency guarantees. Moreover, these algorithms have the advantage that they are nonparametric, which makes them useful also for analyzing non-Gaussian data. In this paper, we present these two algorithms and their consistency guarantees, and we analyze their performance on simulated data, protein signaling data, and single-cell gene expression data.

研究の動機と目的

• 観測データと介入データの両方を活用する効率的で一貫性のある因果発見アルゴリズムの開発を目的とする。特に高次元の生物学的データセットに特化する。
• 従来のパラメトリック手法（例：GIES）がガウス性を仮定し、一貫性の保証がないという限界を是正すること。
• 忠実性仮定の下で理論的一貫性を保証する、Greedy SPアルゴリズムの非パラメトリックかつ介入対応の拡張として、初めてのものであることを提供すること。
• シミュレーションデータ、単細胞遺伝子発現（perturb-seq）データ、およびフローサイトメトリーを用いたタンパク質シグナリングデータにおける性能評価。
• これらのアルゴリズムが、実世界の高スループットデータから正確な遺伝子調節ネットワークおよびシグナリングネットワークを再構築する上で実用的であることを示すこと。

提案手法

• IGSP（Interventional Greedy SP）および k-IGSP（kernerl-based IGSP）を提案。両者とも、Greedy SPアルゴリズムを介入データを組み込むように拡張したものである。
• 順列に基づく条件付き独立性（CI）検定を用いて、介入が存在する状況での d-分離を評価し、パラメトリックな仮定を回避する。
• 非パラメトリックなスコア関数を用いた貪欲な勾配上昇（hill-climbing）戦略により、DAG構造を繰り返しスコア付けして更新する。
• CI検定のp値に基づき、エッジの含め方を決定するための有意水準（例：ガウスCIでは α = 0.15、カーネルCIでは α = 0.0001）を適用する。
• 介入ターゲットを既知の入力として用い、マークフ・同値性を超える因果方向の特定を可能にする。
• ガウス型およびカーネルベースのCI検定を併用することで、非ガウス分布データに対する頑健性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 順列に基づく非パラメトリック因果推論アルゴリズムは、理論的一貫性を保証する観点から、観測データと介入データを効果的に統合し、DAGを学習できるか？
• RQ2 IGSP および k-IGSP は、非ガウス分布の生物学的データにおいて、GIESなどのパラメトリック手法と比較して、正確性および頑健性に優れているか？
• RQ3 これらのアルゴリズムは、高スループットの単細胞およびフローサイトメトリー・データから、既知の遺伝子調節ネットワークおよびタンパク質シグナリングネットワークをどの程度正確に再構築できるか？
• RQ4 ガウス型CI検定とカーネル型CI検定の違いが、エッジ選択およびネットワーク再構築の正確性にどのような影響を与えるか？
• RQ5 特定のノードに対して介入が施された場合、高次元設定下でもこれらのアルゴリズムは因果構造を信頼性高く同定できるか？

主な発見

• IGSP および k-IGSP は、忠実性仮定の下で一貫性を達成しており、観測データと介入データを統合する非パラメトリックなアルゴリズムとして、このような保証を持つ最初のものである。
• Sachs らの perturb-seq データセットにおいて、カーネルCI検定（α = 0.0001）を用いた k-IGSP は、真の有向エッジの85％を回復した。GIES や他のパラメトリック手法を上回った。
• フローサイトメトリー・データセットでは、アルゴリズム2（カーネルCIを用いたIGSP）が、80％の真陽性率と15％の偽陽性率を達成し、既知のシグナリング経路の再構築において高い精度を示した。
• GIES はガウス性仮定に起因する収束の不一致により、非ガウス分布データでは一貫して失敗したが、本アルゴリズムはその問題を回避し、優れた性能を示した。
• カーネルベースのCI検定の使用により、高次元かつ非ガウス分布の設定下でもエッジ検出が向上し、特に微弱な調節効果の同定に有効であった。
• すべてのデータセットにおいて、RAF → MEK、MEK → ERK、AKT → ERK といった既知の生物学的相互作用が正常に同定され、生物学的妥当性が裏付けられた。