[논문 리뷰] Causal Discovery with Heterogeneous Observational Data

Fangting Zhou, Kejun He외 1명|arXiv (Cornell University)|2022. 01. 28.

Bayesian Modeling and Causal Inference인용 수 5

한 줄 요약

이 논문은 이질적인 관측 데이터에서 원인 구조를 식별하기 위해 외생 공변량을 활용하는 새로운 베이지안 원인 발견 방법인 CHOD을 제안한다. 이 방법은 순환 구조와 측정되지 않은 혼란 요인을 모두 수용할 수 있으며, 공변량에 따라 원인 효과를 모델링함으로써 원인 부족성과 순환성 존재 하에서도 구조적 식별성을 달성한다. 시뮬레이션 및 실제 유방암 게놈 데이터에서 최신 기법들을 능가하는 성능을 보였다.

ABSTRACT

We consider the problem of causal discovery (structure learning) from heterogeneous observational data. Most existing methods assume a homogeneous sampling scheme, which leads to misleading conclusions when violated in many applications. To this end, we propose a novel approach that exploits data heterogeneity to infer possibly cyclic causal structures from causally insufficient systems. The core idea is to model the direct causal effects as functions of exogenous covariates that properly explain data heterogeneity. We investigate structure identifiability properties of the proposed model. Structure learning is carried out in a fully Bayesian fashion, which provides natural uncertainty quantification. We demonstrate its utility through extensive simulations and a real-world application.

연구 동기 및 목표

• 독립적이고 동일한 분포를 가진 관측치를 가정하는 기존 원인 발견 방법의 한계를 해결하기 위해, 실세계 응용에서 자주 발생하는 데이터 이질성에 대응하지 못하는 문제를 다루기 위해.
• 순환 구조와 측정되지 않은 혼란 요인이 동시에 존재하는 상황에서 순수 관측 데이터를 통해 유일한 원인 구조를 식별할 수 있는 방법을 개발하기 위해.
• 외생 공변량을 활용하여 원인 부족성 시스템에서의 구조적 식별성을 가능하게 하여, 전통적 방법이 실패하는 상황에서도 데이터 이질성을 효과적으로 활용하기 위해.
• 원인 구조 학습에서의 불확실성을 자연스럽게 측정할 수 있는 완전한 베이지안 프레임워크를 제공하기 위해.
• 합성 데이터와 실제 유전체학 데이터 모두에서의 성능을 입증하여, 특히 이질적인 암 데이터에서 유전자 피드백 루프를 탐지하는 데서의 우수성을 입증하기 위해.

제안 방법

• 외생 공변량에 따라 변화하는 계수 행렬 B를 갖는 선형 구조 방정식 모델(SEM)을 사용하여 원인 구조를 모델링함으로써, 이질성 인식 원인 효과를 가능하게 한다.
• 직접 효과 b_jℓ가 공변량에 따라 달라지는 변화 계수 모델로 원인 메커니즘을 설정함으로써, 환경 특화 원인 관계를 포착할 수 있도록 한다.
• 스플라인 계수에 스팘이-앤드-슬랩 사전을 적용한 완전한 베이지안 추론 방법을 사용하여, 원인 구조 학습과 불확실성 측정을 동시에 가능하게 한다.
• 이질성 모델링을 위한 공변량 입력으로서 차원 축소(UMAP)를 적용하여 데이터의 저차원 임베딩을 추출한다.
• 순환 구조와 혼란 요인이 존재하는 관측 데이터로부터 원인 그래프가 고유하게 복원될 수 있도록 충분한 조건을 유도함으로써 구조적 식별성을 확보한다.
• 기존 원인 그래프의 사후 분포를 탐색하고 원인 효과의 불확실성을 추정하기 위해 MCMC 샘플링을 사용하여 방법을 구현한다.

실험 결과

연구 질문

• RQ1 데이터 이질성이 존재할 때 순환 구조와 측정되지 않은 혼란 요인이 있는 순수 관측 데이터로부터 원인 구조를 고유하게 식별할 수 있는가?
• RQ2 복잡한 원인 구조를 가진 원인 부족 시스템에서 외생 공변량을 어떻게 활용하여 식별성을 확보할 수 있는가?
• RQ3 순환 구조와 혼란 요인이 동시에 존재하는 상황에서 제안된 모델이 구조적 식별성을 달성하기 위한 충분한 조건은 무엇인가?
• RQ4 CHOD의 성능은 이질적 유전자형 데이터에서 피드백 루프 탐지에 있어 최신 기법들과 비교하여 어떻게 되는가?
• RQ5 데이터 이질성 하에서 원인 구조 학습의 신뢰도 있는 불확실성 측정이 가능한가?

주요 결과

• CHOD는 유방암 데이터의 여덟 개의 TP53 관련 피드백 루프 전반에서 균일하게 뛰어난 성능을 보였으며, 평균 MCC가 0.545이고 두 네트워크에서 완벽한 탐지(재현율=1.0)를 달성했다.
• 네트워크 G와 H에서 CHOD는 완벽한 재현율과 FDR=0.0을 달성했으며, LiNG와 ANM보다 MCC(1.000)와 FDR 제어 면에서 뛰어난 성능을 보였다.
• CHOD는 모든 네트워크에서 FCI-JCI와 ASD-JCI를 뛰어넘었으며, 특히 네트워크 D와 E에서 더 낮은 FDR과 더 높은 MCC를 기록했다.
• 다양한 수준의 혼란과 순환 복잡도를 가진 광범위한 시뮬레이션을 통해, CHOD는 데이터 이질성 하에서도 원인 구조 식별에 뛰어난 내성과 안정성을 입증했다.
• 완전한 베이지안 추론을 통해 신뢰도 있는 불확실성 측정을 제공하여 원인 구조 추정치의 신뢰도 평가가 가능했다.
• 실제 응용에서 CHOD는 TP53 경로의 알려진 생물학적 피드백 루프를 성공적으로 탐지하여 생물학적 관련성과 실용적 유용성을 확인했다.