[논문 리뷰] Constraint-based Causal Discovery from Multiple Interventions over Overlapping Variable Sets

Sofia Triantafillou, Ioannis Tsamardinos|arXiv (Cornell University)|2014. 03. 10.

Bayesian Modeling and Causal Inference참고 문헌 51인용 수 93

한 줄 요약

COmbINE는 다양한 간섭 조건에서 변수가 겹치는 다수의 이질적 데이터셋을 통합하여, 종속성 제약 조건의 SAT 인코딩을 사용해 정체성 및 변동성 있는 인과적 구조를 추론하는 제약 기반 인과 발견 알고리즘입니다. 신뢰도 순으로 정렬된 제약 조건 처리를 통해 효율성과 통계적 갈등을 개선하여 실제 마스스-세이토메트리 데이터에서 이전 방법들을 능가합니다.

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.

연구 동기 및 목표

• 다른 실험 조건에서 변수가 겹치는 다수의 이질적 데이터셋 통합 문제를 해결하기 위해.
• 데이터셋 간에 동시에 인과적 구조를 추론하면서 정체성 및 변동성 있는 인과적 특성을 식별할 수 있는 방법을 개발하기 위해.
• 통계 오차와 충돌하는 제약 조건을 통신도 기반 순위 매기기를 통해 실세계 데이터에서 처리하기 위해.
• 기존 알고리즘들이 충돌하는 제약 조건을 처리할 수 없는 것과 비교해 더 큰 데이터셋에 대해 효율적으로 확장 가능하게 하기 위해.

제안 방법

• 각 데이터셋에서 유도된 통계적 종속성과 통독성 조건을 기반 인과 모델의 경로 제약 조건으로 변환하기 위해.
• 확장성을 향상시키기 위해 압축 표현 방식을 사용해 모든 제약 조건을 부울 만족 가능성 문제(SAT 문제)로 인코딩하기 위해.
• 통계적 독립성 검정에서의 p-값을 사용해 제약 조건을 통신도 기반으로 순위 매겨 충돌을 해결하기 위해.
• 최대 조상 그래프(MAGs)와 반-마르코프 인과 모델(SMCMs)을 사용해 간섭 하에서 인과적 구조를 표현하고 추론하기 위해.
• 탐욕스러운 제약 조건 추가 전략 적용: 신뢰도가 낮은 순서로 제약 조건을 추가하고 충돌하는 것은 기각하기 위해.
• 현대적 SAT 솔버를 활용해 모든 입력 데이터셋과 동시에 부합하는 모든 모델을 효율적으로 계산하기 위해.

실험 결과

연구 질문

• RQ1 변수와 간섭 조건이 겹치는 다수의 데이터셋으로부터 통합된 인과 모델을 학습할 수 있는가?
• RQ2 통계 오차로 인해 발생하는 충돌하는 제약 조건은 인과 발견 과정에서 어떻게 해결할 수 있는가?
• RQ3 표본 크기와 데이터셋 수가 인과 추론의 정확도와 효율성에 어떤 영향을 미치는가?
• RQ4 충돌하는 제약 조건을 처리하지 못하는 기존 알고리즘과 비교해 COmbINE의 성능과 확장성은 어떠한가?
• RQ5 COmbINE는 다수의 실험 조건에서 정체성 및 변동성 있는 인과적 구조를 얼마나 잘 식별할 수 있는가?

주요 결과

• COmbINE는 유사한 전이 알고리즘이 유일하게 존재하는 상황에서 계산 효율성과 더 큰 문제 크기로의 확장성 면에서 앞서고 있습니다.
• 알고리즘은 통신도 기반 순위 매기기를 통해 충돌하는 제약 조건을 성공적으로 처리하여 통계 오차가 흔한 실세계 데이터에 적용 가능하게 했습니다.
• 실증 평가 결과, COmbINE는 작은 표본 크기와 다수의 데이터셋 조건에서도 높은 정확도를 유지함을 보였습니다.
• COmbINE의 갈등 해결 기법은 다른 방법들과 비교해 인과적 특성의 정밀도와 재현율 면에서 뚜렷한 우수성을 보였습니다.
• 4개의 실제 마스스-세이토메트리 데이터셋에 대한 개념 증명에서 COmbINE는 간섭 간 일관된 인과 패턴을 식별하여 실용적 유용성을 입증했습니다.