[論文レビュー] Implicit Causal Models for Genome-wide Association Studies

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

Genetic Associations and Epidemiology被引用数 17

ひとこと要約

本稿では、ニューラルネットワークと暗黙的密度を活用して、ゲノムワイド関連解析（GWAS）における複雑な非線形な遺伝的相互作用および交絡要因を捉える、暗黙的因果モデル（ICMs）を提案する。遺伝的バリアント間で強度を共有することで潜在的集団構造をモデル化することで、ICMsは、多様なシミュレーションおよび実世界のGWAS設定において、因果的SNPを同定する際、既存手法を15–45.3%上回る最先端の精度を達成する。

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%.

研究の動機と目的

• GWASにおける極めて非線形な関係および遺伝子-遺伝子相互作用を捉えることのできる、より洗練された因果モデルの開発。
• 集団構造や関係性といった潜在的交絡要因を、原理的で確率的枠組み内で、遺伝的例に対して強度を共有することで、スケーラブルかつ整合的にモデル化・補正すること。
• 最大10億件の測定値を含む大規模遺伝データセットに対しても、暗黙的因果モデルのベイズ推論をスケーリングすること。
• シミュレーションおよび実世界のGWASデータにおいて、誤った関連性に対してモデルの頑健性と正確性を検証すること。
• 柔軟でニューラルネットワークベースの因果モデリングフレームワーク内に統合することで、既存の交絡要因補正手法を一般化すること。

提案手法

• 暗黙的因果モデル（ICMs）を提案。これは、構造方程式をニューラルネットワークでパrameter化し、暗黙的密度を用いてSNPと特徴間の複雑な非線形関係をモデル化する因果モデルの一種である。
• SNPが特徴に及ぼす因果的影響をモデル化するための深層ニューラルネットワークアーキテクチャを採用。SNP用と特徴用に別々のネットワークを設け、交絡要因のための共有潜在空間を備える。
• 潜在的交絡要因の調整機構を導入。潜在的交絡変数に階層的事前分布を適用することで、遺伝的座標間で強度を共有し、高次元設定下でも頑健な推定を可能にする。
• 正規化フローを用いた変分推論を用いて、最大10億件の遺伝的測定値を含む大規模GWASデータにベイズ推論をスケーリングする。
• モデルが因果効果を一貫して推定できる理論的条件を導出。これにより、原理的因果モデルとしての妥当性が裏付けられる。
• 明示的な密度評価を回避する柔軟な尤度フリー推論アプローチを採用。これにより、ノイズおよび相互作用の複雑な非パラメトリックモデル化が可能になる。

実験結果

リサーチクエスチョン

• RQ1 暗黙的因果モデルは、従来の線形または多項式モデルに比べ、GWASにおけるSNPと特徴間の複雑な非線形相互作用をより効果的に捉えることができるか？
• RQ2 現代の確率的フレームワーク内で、集団構造や関係性といった潜在的交絡要因を、スケーラブルかつ原理的かつ整合的にモデル化・補正できるか？
• RQ3 遺伝的バリアント間で強度を共有することで、高次元の交絡要因が存在する状況下でも、因果推論の頑健性と正確性が向上するか？
• RQ4 暗黙的因果モデルは、希少、空間的、混合メンバー構造を含む多様な集団構造において、真の因果的SNPを同定する点で最先端の性能を達成できるか？
• RQ5 実世界のデータにおいて、既存のGWAS手法と比較して、生物学的に意味のある座標を同定する点で、暗黙的因果モデルはどのように性能を発揮するか？

主な発見

• 暗黙的因果モデルは、既存の遺伝学的手法に比べ、因果的SNPの同定において顕著に優れており、すべてのシミュレーション設定で15–45.3%の精度上昇を達成した。
• 最も挑戦的な設定（低アノスティック信号a=0.01を伴う空間的集団構造）において、ICMは2番目に優れた手法に比べて45.3%高い精度を達成した。
• ノルウェー北地域出生コhortの実世界データにおいて、ICMは15のゲノムワイド有意な座標を同定し、ロジスティック要因分析を用いたSongら（2015）の結果と同等の性能を発揮。他の手法は11–14の座標を同定したのに対し、優れた性能を示した。
• モデルは、潜在的集団構造に起因する誤った関連性を効果的に緩和し、複雑で非線形な交絡状況下でも高い精度を維持した。
• 理論的分析により、ややきつい正則性条件のもとで、モデルが因果効果を一貫して推定できることを確認。これにより、交絡要因補正のための原理的基盤が提供された。
• 正規化フローを用いた変分推論により、最大10億件の遺伝的測定値を含むデータセットに対してもベイズ推論を成功裏にスケーリング。大規模GWASへの実用的応用を可能にした。