[논문 리뷰] Implicit Causal Models for Genome-wide Association Studies

Dustin Tran, David M. Blei|arXiv (Cornell University)|2017. 10. 30.

Genetic Associations and Epidemiology인용 수 17

한 줄 요약

이 논문은 전장 유전자 연관 연구(GWAS)에서 복잡한 비선형 유전자 상호작용과 교란 요인을 포착하기 위해 신경망과 암묵 밀도를 활용하는 암묵적 인과 모델(ICMs)을 소개한다. 유전적 변이 간의 공유 강도를 통해 잠재적 인구 구조를 모델링함으로써 ICMs는 기존 방법보다 15–45.3% 높은 정확도를 달성하여 다양한 시뮬레이션 및 실제 GWAS 설정에서 인과적 SNP를 식별하는 데에 최신 기술 수준을 확보한다.

ABSTRACT

Progress in probabilistic generative models has accelerated, developing richer models with neural architectures, implicit densities, and with scalable algorithms for their Bayesian inference. However, there has been limited progress in models that capture causal relationships, for example, how individual genetic factors cause major human diseases. In this work, we focus on two challenges in particular: How do we build richer causal models, which can capture highly nonlinear relationships and interactions between multiple causes? How do we adjust for latent confounders, which are variables influencing both cause and effect and which prevent learning of causal relationships? To address these challenges, we synthesize ideas from causality and modern probabilistic modeling. For the first, we describe implicit causal models, a class of causal models that leverages neural architectures with an implicit density. For the second, we describe an implicit causal model that adjusts for confounders by sharing strength across examples. In experiments, we scale Bayesian inference on up to a billion genetic measurements. We achieve state of the art accuracy for identifying causal factors: we significantly outperform existing genetics methods by an absolute difference of 15-45.3%.

연구 동기 및 목표

• GWAS에서 매우 비선형 관계와 유전자-유전자 상호작용을 포착할 수 있는 더 풍부한 인과 모델을 개발하기 위해.
• 인구 구조와 관련성과 같은 잠재적 교란 요인을 원칙적인 확률적 프레임워크 내에서, 유전적 예제 간의 공유 강도를 통해 효과적으로 모델링하고 조정하기 위해.
• 대규모 유전 데이터셋(최대 10억 건의 측정치 포함)에 대해 암묵적 인과 모델의 베이지안 추론을 스케일링하기 위해.
• 모델의 강건성과 정확성을 시뮬레이션 및 실제 GWAS 데이터에서의 허위 연관성에 대해 검증하기 위해.
• 기존의 교란 요인 보정 방법을 탄력적이고 신경망 기반의 인과 모델링 프레임워크에 통합하여 일반화하기 위해.

제안 방법

• 암묵적 인과 모델(ICMs)을 제안하며, 이는 구조 방정식을 파arameter화하는 데 신경망을 사용하고, 복잡한 비선형 관계를 모델링하기 위해 암묵 밀도를 활용하는 인과 모델의 일종이다.
• SNPs와 특성 간의 인과 효과를 모델링하기 위해 딥 신경망 아키텍처를 활용하며, SNPs와 특성에 대해 별도의 네트워크를 설계하고 교란 요인을 위한 공유 잠재 공간을 포함한다.
• 잠재적 교란 요인을 조정하는 메커니즘을 도입하여, 잠재적 교란 변수에 대한 계층적 사전 분포를 통해 유전적 위치 간의 공유 강도를 구현함으로써 고차원 설정에서의 강건한 추정을 가능하게 한다.
• 정규화 플로우를 사용한 변분 추론을 활용하여 대규모 GWAS 데이터에 대한 베이지안 추론을 스케일링하며, 최대 10억 건의 유전 측정치를 포함한 데이터셋에 적용한다.
• 모델이 인과 효과를 일관되게 추정할 수 있는 이론적 조건을 유도함으로써, 원칙적인 인과 모델로의 사용을 정당화한다.
• 암묵 밀도를 활용한 유연한 밀도 없는 추론 접근법을 적용하여 명시적 밀도 평가를 피하고, 노이즈 및 상호작용의 복잡한 비모수적 모델링을 가능하게 한다.

실험 결과

연구 질문

• RQ1 암묵적 인과 모델은 기존의 선형 또는 다항 모델보다 GWAS에서 SNP와 특성 간의 복잡한 비선형 상호작용을 더 효과적으로 포착할 수 있는가?
• RQ2 현대적 확률적 프레임워크 내에서, 인구 구조와 관련성과 같은 잠재적 교란 요인을 스케일링 가능하고 원칙적인 방식으로 어떻게 모델링하고 조정할 수 있는가?
• RQ3 유전적 변이 간의 공유 강도를 통해 고차원 교란 요인 존재 하에서 인과 추론의 강건성과 정확도가 향상되는가?
• RQ4 암묵적 인과 모델은 희박한, 공간적, 혼합 구성 구조를 포함한 다양한 인구 구조에서 진정한 인과적 SNP 식별에서 최신 기술 수준의 성능을 달성할 수 있는가?
• RQ5 실제 데이터에서 암묵적 인과 모델은 기존 GWAS 방법과 비교해 생물학적으로 관련성이 있는 유전자 위치를 식별하는 데서 어떤가?

주요 결과

• 암묵적 인과 모델은 기존 유전학 방법에 비해 인과적 SNP 식별에서 뚜렷한 승리를 거두며, 모든 시뮬레이션 설정에서 정밀도가 15–45.3% 향상되었다.
• 가장 도전적인 설정—낮은 유전적 신호(a=0.01)를 가진 공간적 인구 구조—에서 ICM은 두 번째로 우수한 방법보다 정밀도가 45.3% 높았다.
• 실제 노르웨이 북부 출생 코hort 데이터에서 ICM은 15개의 전장 유의미한 유전자 위치를 식별했으며, 로지스틱 요인 분석을 사용한 Song 등(2015)의 성능을 그대로 따라가며, 11–14개의 유전자 위치를 식별한 다른 방법들을 초월했다.
• 모델은 잠재적 인구 구조로 인한 허위 연관성을 효과적으로 완화하여, 복잡한 비선형 교란 상황에서도 높은 정밀도를 유지했다.
• 이론적 분석을 통해 모델은 미약한 정규성 조건 하에서도 일관된 인과 효과 추정이 가능하다는 것을 확인하여, 교란 요인 보정을 위한 원칙적인 기반을 제공한다.
• 정규화 플로우를 사용한 변분 추론을 통해 최대 10억 건의 유전 측정치를 포함한 데이터셋에 대해 베이지안 추론을 성공적으로 스케일링하여 대규모 GWAS에 대한 실용적 적용을 가능하게 하였다.