[论文解读] ABCD-Strategy: Budgeted Experimental Design for Targeted Causal Structure Discovery

Raj Agrawal, Chandler Squires+3 more|arXiv (Cornell University)|Feb 27, 2019

Computational Drug Discovery Methods参考文献 26被引用 10

一句话总结

本文提出ABCD-Strategy，一种基于最优贝叶斯实验设计的预算约束实验设计框架，用于目标因果结构发现。通过利用次模性和加权重要性采样，该方法高效地选择干预措施，以最大化针对特定因果查询（如识别目标节点的后代）的信息增益，在合成数据和真实基因组数据集上均显著优于随机采样。

ABSTRACT

Determining the causal structure of a set of variables is critical for both scientific inquiry and decision-making. However, this is often challenging in practice due to limited interventional data. Given that randomized experiments are usually expensive to perform, we propose a general framework and theory based on optimal Bayesian experimental design to select experiments for targeted causal discovery. That is, we assume the experimenter is interested in learning some function of the unknown graph (e.g., all descendants of a target node) subject to design constraints such as limits on the number of samples and rounds of experimentation. While it is in general computationally intractable to select an optimal experimental design strategy, we provide a tractable implementation with provable guarantees on both approximation and optimization quality based on submodularity. We evaluate the efficacy of our proposed method on both synthetic and real datasets, thereby demonstrating that our method realizes considerable performance gains over baseline strategies such as random sampling.

研究动机与目标

• 解决因果结构学习中干预数据有限的挑战，特别是在实验成本高昂、资源受限的情况下。
• 开发一种系统化的实验设计方法，专注于学习因果图的特定函数（例如，节点的后代），而非完整结构。
• 考虑实际约束，如每次干预的样本量有限、实验轮数有限，以及唯一干预数量的上限。
• 利用次模性提供近似质量与优化性能的理论保证。
• 在合成数据与真实世界生物数据集中，实证证明所提方法优于随机采样与基线实验设计策略。

提出的方法

• 提出基于熵的评分函数，用于量化对因果图目标函数（例如，判断一个节点是否为另一节点的后代）不确定性减少的程度。
• 将实验设计问题建模为贝叶斯优化任务，以在预算约束下最大化期望信息增益。
• 引入可计算的近似方法，利用加权重要性采样处理熵减少计算的不可解性。
• 采用基于次模函数最大化的贪心优化策略，实现具有理论保证的近似解。
• 确保在有限样本条件下评分函数的一致性，提升小样本场景下的可靠性。
• 将实验轮数、总样本数及每批唯一干预数的约束整合进优化框架。

实验结果

研究问题

• RQ1 在预算约束下，如何优化实验设计以最大化针对特定因果查询（如识别目标节点的后代）的信息增益？
• RQ2 能否在保持近似质量理论保证的同时，使贝叶斯实验设计框架在计算上可行？
• RQ3 在干预数据有限的场景下，ABCD-Strategy相较于随机采样与现有实验设计方法的性能如何？
• RQ4 当马尔可夫等价类（MEC）未知或规模较大时，该方法的可扩展性与有效性如何？
• RQ5 该框架能否有效应用于真实世界生物数据集（如基因调控网络），其中干预数据稀疏且成本高昂？

主要发现

• ABCD-Strategy在合成Erdős-Rényi网络与真实世界DREAM4基因调控网络中，均显著优于随机采样与基线策略（如Chordal-Random）。
• 仅使用192个样本与3轮实验，ABCD-Strategy即在大多数合成图中实现近似完全确定的因果结构学习，展现出极高的样本效率。
• 在MEC未知的场景下，该方法优于预算约束实验设计（BED）策略，凸显其在现实有限信息环境下的鲁棒性。
• 在DREAM4的10节点合成网络中，ABCD-Strategy即使在小样本导致高数据变异的情况下，仍显著提升了对目标下游基因的预测性能。
• 熵减少度量证实，ABCD-Strategy在干预预算紧张时，始终比基线方法更有效地降低对目标因果函数的不确定性。
• 理论分析表明，所提出的评分函数在有限样本条件下具有可证明的一致性，确保在数据有限时仍能实现可靠学习。