[논문 리뷰] Causal Structure Discovery between Clusters of Nodes Induced by Latent Factors

Chandler Squires, Annie Yun외 3명|arXiv (Cornell University)|2022. 07. 04.

Bayesian Modeling and Causal Inference인용 수 6

한 줄 요약

이 논문은 관측 변수가 공통 잠재 부모를 공유하는 군집으로 그룹화되는 잠재 요인 원인 모델(LFCMs)에서 원인 구조 탐색을 위한 새로운 방법을 제안한다. 랭크 제약과 조건부 인성 테스트를 활용한 삼단계 제약 기반 알고리즘을 통해, 군집, 그들의 부분 순서, 잠재 변수로의 간선을 일관되게 식별한다. 이는 시뮬레이션 및 생물학적 반시뮬레이션 데이터에서 실제 군집과 간선 구조를 거의 완벽하게 복원한다.

ABSTRACT

We consider the problem of learning the structure of a causal directed acyclic graph (DAG) model in the presence of latent variables. We define latent factor causal models (LFCMs) as a restriction on causal DAG models with latent variables, which are composed of clusters of observed variables that share the same latent parent and connections between these clusters given by edges pointing from the observed variables to latent variables. LFCMs are motivated by gene regulatory networks, where regulatory edges, corresponding to transcription factors, connect spatially clustered genes. We show identifiability results on this model and design a consistent three-stage algorithm that discovers clusters of observed nodes, a partial ordering over clusters, and finally, the entire structure over both observed and latent nodes. We evaluate our method in a synthetic setting, demonstrating its ability to almost perfectly recover the ground truth clustering even at relatively low sample sizes, as well as the ability to recover a significant number of the edges from observed variables to latent factors. Finally, we apply our method in a semi-synthetic setting to protein mass spectrometry data with a known ground truth network, and achieve almost perfect recovery of the ground truth variable clusters.

연구 동기 및 목표

• 잠재 변수가 존재하는 상황에서 원인 구조를 학습하는 데 도전하는 데 목적을 두며, 특히 이러한 잠재 변수가 외생적이지 않고 관측 변수를 군집화하는 경우를 다룬다.
• 관측 변수의 군집과 관측 및 잠재 노드 간 전체 원인 그래프를 식별하는 방법을 개발하는 것을 목표로 한다.
• 선형 가우시안 구조 방정식 모델에 따른 잠재 요인을 포함한 원인 구조 학습의 식별 가능성과 일관성을 확보하는 것.
• 시뮬레이션 데이터와 단백질 질량 분석 분광법 데이터로부터 유도된 반시뮬레이션 생물학적 네트워크에서 방법을 검증하는 것.

제안 방법

• 이 방법은 세 단계로 운영된다: 첫째, 공통 잠재 부모를 공유하는 관측 변수의 군집을 공분산 부분행렬의 랭크 제약을 이용해 식별한다.
• 둘째, 공유되는 잠재 요인을 포함한 조건부 인성 제약에 기반해 필요한 경우 군집을 병합한다.
• 셋째, 다중 가설 검정 절차를 사용하여 조건부 인성을 테스트함으로써 관측 변수에서 잠재 변수로의 간선을 복원한다.
• 이 접근법은 테트라드 표현 정리에 기반하며, 공분산 행렬에서 유도된 랭크 제약을 사용해 공통 잠재 요인을 식별한다.
• 오류율을 제어하기 위해 다중 가설 검정이 사용되며, 군집 식별과 간선 탐지에 각각 별도의 유의수준이 적용된다.
• 선형 가우시안 LFCM 가정 하에서 알고리즘이 일관되며, 관측되지 않은 혼란 요인과 고차원 설정을 처리하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 잠재 변수가 있는 원인 DAG에서 동일한 잠재 부모를 공유하는 관측 변수의 군집을 일관되게 식별할 수 있는가?
• RQ2 잠재 요인에 의해 유도된 관측 변수 군집 간의 부분 순서를 어떻게 복원할 수 있는가?
• RQ3 잠재 요인 원인 모델 하에서 전체 원인 구조(관측 변수에서 잠재 변수로의 간선 포함)의 식별 가능성을 보장하는 제약 조건은 무엇인가?
• RQ4 제안된 방법은 시뮬레이션 및 반시뮬레이션 생물학적 데이터에서 실제 원인 구조를 높은 정확도로 복원할 수 있는가?

주요 결과

• 시뮬레이션 실험에서 비교적 낮은 표본 크기에서도 관측 변수의 실제 군집을 거의 100% 정확도로 복원한다.
• 관측 변수에서 잠재 요인으로의 진짜 간선의 상당한 비율을 회복하며, 기준 군집화 방법보다 뛰어난 성능을 보인다.
• 단백질 질량 분석 분광법 데이터에 대한 반시뮬레이션 적용에서, 알려진 실제 군집과 네트워크 구조를 거의 완벽하게 복원한다.
• 생물학적 적용에서 복원된 네트워크는 진짜 네트워크와 매우 유사하며, 선형 모델의 한계로 인해 한 개의 노드가 잘못 위치된 것 외에는 거의 차이가 없다.
• 단백질 신호 전달 네트워크 예시를 통해 군집 간 부분 순서를 성공적으로 유지함을 입증한다.