[논문 리뷰] Nonparametric causal discovery with applications to cancer bioinformatics

Jean‐Pierre Gomez|arXiv (Cornell University)|2023. 06. 28.

Bioinformatics and Genomic NetworksBiochemistry, Genetics and Molecular Biology인용 수 3

한 줄 요약

이 논문은 비모수적 인과 발견 알고리즘을 제안하며, 확률적 인과성과 인과 충분성 기반으로 전립선 암 및 정상 조직의 이진 유전자 발현 데이터에서 원인-결과 관계를 식별한다. 이 방법은 이행성과 중복성을 탐지하고, 잡음 있는 연결을 제거하며, 주성분 분석 기반 유전자 랭킹과 비교하여 일관된 상위 랭킹 유전자와 암성 발달과 관련된 안정적이고 해석 가능한 유전자 이상 조절 네트워크를 도출한다.

ABSTRACT

Many natural phenomena are intrinsically causal. The discovery of the cause-effect relationships implicit in these processes can help us to understand and describe them more effectively, which boils down to causal discovery about the data and variables that describe them. However, causal discovery is not an easy task. Current methods for this are extremely complex and costly, and their usefulness is strongly compromised in contexts with large amounts of data or where the nature of the variables involved is unknown. As an alternative, this paper presents an original methodology for causal discovery, built on essential aspects of the main theories of causality, in particular probabilistic causality, with many meeting points with the inferential approach of regularity theories and others. Based on this methodology, a non-parametric algorithm is developed for the discovery of causal relationships between binary variables associated to data sets, and the modeling in graphs of the causal networks they describe. This algorithm is applied to gene expression data sets in normal and cancerous prostate tissues, with the aim of discovering cause-effect relationships between gene dysregulations leading to carcinogenesis. The gene characterizations constructed from the causal relationships discovered are compared with another study based on principal component analysis (PCA) on the same data, with satisfactory results.

연구 동기 및 목표

• 강한 모수적 가정을 피하고 대규모 생물학적 데이터셋에 대해 확장 가능한 비모수적 인과 발견 방법을 개발한다.
• 전립선 암 및 정상 조직의 이진 유전자 발현 상태 간의 인과 관계를 모델링한다.
• PCA와 같은 기존 방법과의 검증을 통해 인과 그래프 구성으로 암 발생의 핵심 유전자 조절자들을 식별한다.
• 특히 변수 유형이 알려지지 않은 고차원 복잡한 생물학적 데이터에서 기존 인과 발견 도구의 한계를 해결한다.
• 암 발달과 관련된 최소한의 유전자 패널과 인과 체인을 식별하기 위한 계산 효율적이고 해석 가능한 프레임워크를 제공한다.

제안 방법

• 알고리즘은 확률적 인과성 기반의 인과 충분성 프레임워크를 사용하며, 물질적 함의와 교차표를 통해 원인-결과 관계를 모델링한다.
• 삼각형 분석을 통해 이행 경로와 중복된 간선을 탐지하고, 우선순위 기반 제거 순서를 적용하여 잘못된 연결과 중복 연결을 제거한다.
• Loevinger 계수를 사용하여 이진 변수 간의 인과 강도를 정량화하고, 간선 방향성과 네트워크 구성에 지침을 제공한다.
• 충돌 해결을 위한 인접 삼각형 분석과 이행성 제약 조건을 적용하여, 잡음 있는 간선을 제거하는 그래프 단순화 파이프라인을 구현한다.
• 정렬된 인접 리스트와 사전 기반 검색을 포함한 최적화된 데이터 구조를 사용한 C++ 기반의 의사코드 구현을 적용한다.
• 인과 네트워크의 중심 노드를 식별하기 위해 PageRank 기반의 유전자 랭킹 시스템을 통합하고, PCA에서 유도된 유전자 중요도와 검증한다.

Figure 2.1: First case of adjacent triangles, with conflict for the elimination of spurious arcs

실험 결과

연구 질문

• RQ1 비모수적 인과 발견 알고리즘이 모수적 분포를 가정하지 않고 고차원 이진 유전자 발현 데이터에서 원인-결과 관계를 효과적으로 식별할 수 있는가?
• RQ2 제안된 방법은 전립선 암 진행과 관련된 생물학적으로 의미 있는 유전자를 PCA와 비교하여 얼마나 잘 식별하는가?
• RQ3 잡음 있는 간선 및 중복 간선 제거 순서가 도출된 인과 그래프의 안정성과 해석 가능성에 어떤 영향을 미치는가?
• RQ4 알고리즘은 암성 발달 과정에서 알려진 또는 타당한 인과 체인의 유전자 이상 조절을 복원할 수 있는가?
• RQ5 표본 크기가 증가함에 따라 인과 그래프의 구조는 어느 정도 수렴하는가? 그리고 식별된 인과 관계는 얼마나 강인한가?

주요 결과

• 알고리즘은 전립선 선암에서의 유전자 변형 인과 그래프를 성공적으로 구축하였으며, PageRank 기반 상위 15개 유전자 중 다수는 PCA 기반 분석에서 식별된 유전자와 일치하거나 겹쳤다.
• SLC39A2, ACTC1, SEMG1와 같은 유전자는 높은 PageRank 점수(예: 43, 159, 24)를 기록했고, 다양한 분석에서 일관되게 높은 순위를 차지했다.
• 대조도 >5%인 유전자로 유도된 부분그래프는 스케일프리 도수 분포를 보이며, 인과 네트워크 내에서 매우 연결된 핵심 유전자(허브 유전자) 존재를 시사했다.
• 단순화된 그래프에서 대조도 >5%인 8개의 유전자를 식별했으며, P63 및 KRT5와 같은 알려진 암 관련 유전자 포함하여 생물학적 타당성을 보였다.
• 인과 그래프에서의 PageRank 랭킹은 PCA에서 유도된 랭킹과 강한 상관관계를 보였으며, 알고리즘이 생물학적으로 의미 있는 유전자 중요도를 회복할 수 있음을 검증했다.
• 표본 서브셋에 걸쳐 그래프 구조가 안정적이었고, 표본 크기가 증가함에 따라 수렴 패턴을 보여 신뢰할 수 있는 추론임을 시사했다.

Figure 2.2: Second case of adjacent triangles, with conflict for the elimination of spurious arcs