[논문 리뷰] Causal Imputation via Synthetic Interventions

Chandler Squires, Dennis Shen외 3명|arXiv (Cornell University)|2020. 11. 05.

Advanced Causal Inference Techniques참고 문헌 21인용 수 6

한 줄 요약

이 논문은 기여자 행동을 정규화된 회귀를 통해 합성 행동로 구성함으로써, 테스트되지 않은 맥락(예: 세포 유형)에서 행동(예: 화합물)의 영향을 예측하는 데 확장된 합성 간섭을 활용하는 새로운 인과적 보정 방법 SI-A를 제안한다. 잠재因자 모델 하에서 SI-A는 타당한 인과적 추정을 제공하며, CMAP 데이터셋에서 베이스라인을 능가하여 중앙값 NRMSE 0.34와 코사인 유사도 0.68를 달성한다—다음으로 우수한 베이스라인보다 유의미하게 뛰어나다.

ABSTRACT

Consider the problem of determining the effect of a compound on a specific cell type. To answer this question, researchers traditionally need to run an experiment applying the drug of interest to that cell type. This approach is not scalable: given a large number of different actions (compounds) and a large number of different contexts (cell types), it is infeasible to run an experiment for every action-context pair. In such cases, one would ideally like to predict the outcome for every pair while only having to perform experiments on a small subset of pairs. This task, which we label "causal imputation", is a generalization of the causal transportability problem. To address this challenge, we extend the recently introduced synthetic interventions (SI) estimator to handle more general data sparsity patterns. We prove that, under a latent factor model, our estimator provides valid estimates for the causal imputation task. We motivate this model by establishing a connection to the linear structural causal model literature. Finally, we consider the prominent CMAP dataset in predicting the effects of compounds on gene expression across cell types. We find that our estimator outperforms standard baselines, thus confirming its utility in biological applications.

연구 동기 및 목표

• 모든 행동-맥락 조합을 테스트하는 것이 불가능한 상황, 특히 약물 재편성과 같은 생물학적 적용에서 인과 추론의 확장성 문제를 해결하기 위해.
• 행동-맥락 결과 데이터에서 임의의 희박성 패턴을 처리할 수 있도록 기존의 합성 간섭(SI) 추정기를 일반화하기 위해.
• 행동과 맥락 양쪽에서 이용 가능한 모든 데이터를 활용하여 보다 향상된 반사적 예측을 위한 방법을 개발하기 위해.
• 잠재因자 모델 하에서 이론적으로 타당한 인과 추정을 확립하고 선형 구조적 인과 모델과 연결하기 위해.
• CMAP 데이터셋에서 실증적으로 이 방법을 검증하여, 새로운 세포 유형에서 화합물 효과를 예측하는 데 있어 뛰어난 성능을 보여주기 위해.

제안 방법

• 원래의 합성 간섭(SI) 추정기를 행동(화합물) 차원을 따라 회귀함으로써 확장하여, 합성 행동 생성이 가능하도록 한다.
• 정규화된 회귀를 사용하여 기여자 행동을 조합하는 가중치를 학습하고, 이를 바탕으로 목표 맥락에서의 결과를 예측하는 데 사용되는 합성 행동을 생성한다.
• 행동과 맥락 양쪽에서 이용 가능한 모든 데이터를 활용하여 회귀 모델을 훈련함으로써 데이터 효율성과 강건성을 향상시킨다.
• 잠재因자 모델 가정을 적용하여 제안된 프레임워크 하에서 인과 추정의 식별성과 타당성을 보장한다.
• 선형 구조적 인과 모델과의 연결을 통해 SI 프레임워크를 재해석함으로써 이론적 기반을 제공한다.
• CMAP 데이터셋에 이 방법을 적용하여, 70개의 세포 유형에서 20,000개의 화합물에 대한 유전자 발현 서명을 사용해 관측되지 않은 행동-세포 유형 효과를 예측한다.

실험 결과

연구 질문

• RQ1 관측된 행동-맥락 결과의 희박한 부분 집합만을 가지고, 적용되지 않은 맥락에서 행동의 결과를 정확하게 예측할 수 있는가?
• RQ2 맥락이 아닌 행동 차원을 따라 회귀하는 것이, 구조적 데이터 희박성이 있는 환경에서 더 나은 반사적 예측을 제공하는가?
• RQ3 합성 간섭 추정기가 관측되지 않은 행동-맥락 쌍에 대해 타당한 인과적 추정을 제공하는 조건은 무엇인가?
• RQ4 이 방법의 성능는 기여자 행동의 수와 훈련 맥락의 수에 따라 어떻게 달라지는가?
• RQ5 실제 생물학적 데이터셋인 CMAP와 같은 환경에서 잠재因자 모델 가정을 정당화할 수 있으며, 이는 정확한 인과적 보정을 가능하게 하는가?

주요 결과

• SI-A는 CMAP 데이터셋에서 중앙값 정규화된 제곱근 평균제곱오차(NRMSE) 0.34를 기록하여, 가장 가까운 베이스라인(0.41)보다 유의미하게 뛰어나다.
• SI-A는 예측된 효과와 실제 효과 간 코사인 유사도를 0.44(최고의 베이스라인)에서 0.68로 향상시켜 실제 생물학적 효과와의 일치도가 높아졌음을 나타낸다.
• 이 방법의 성능는 기여자 행동의 수와 훈련 맥락의 수에 매우 민감하며, 양자가 증가할수록 성능 향상이 뚜렷하다.
• CMAP 데이터셋의 특이값 스펙트럼 분석 결과, 저질서 구조(상위 53개 성분이 총 분산의 95%를 설명함)가 확인되어 잠재因자 모델 가정을 지지한다.
• 가정 2(행동 효과의 불변성)에 대한 검정 통계량은 행동을 따라 회귀할 경우가 맥락을 따라 회귀할 경우보다 낮아, SI-A가 SI-C(맥락을 따라 회귀)보다 성능이 뛰어나다는 이유를 설명한다.
• 원래의 SI 추정기보다 SI-A가 유의미하게 뛰어나, 이 생물학적 환경에서 행동 불변성을 모델링하는 것이 맥락 불변성을 모델링하는 것보다 더 효과적임을 입증한다.