[论文解读] Ancestral Causal Inference

Sara Magliacane, Tom Claassen+1 more|arXiv (Cornell University)|Jun 22, 2016

Bayesian Modeling and Causal Inference参考文献 27被引用 16

一句话总结

本文提出祖先因果推断（ACI），一种基于逻辑的方法，通过推理祖先（间接）因果关系而非直接因果关系，显著提升了约束基因果发现的可扩展性和可靠性。该方法在实现数个数量级的速度提升的同时，达到最先进水平的准确率，并为预测提供置信度评分，从而能够稳健处理观测数据与干预数据，并整合背景知识。

ABSTRACT

Constraint-based causal discovery from limited data is a notoriously difficult challenge due to the many borderline independence test decisions. Several approaches to improve the reliability of the predictions by exploiting redundancy in the independence information have been proposed recently. Though promising, existing approaches can still be greatly improved in terms of accuracy and scalability. We present a novel method that reduces the combinatorial explosion of the search space by using a more coarse-grained representation of causal information, drastically reducing computation time. Additionally, we propose a method to score causal predictions based on their confidence. Crucially, our implementation also allows one to easily combine observational and interventional data and to incorporate various types of available background knowledge. We prove soundness and asymptotic consistency of our method and demonstrate that it can outperform the state-of-the-art on synthetic data, achieving a speedup of several orders of magnitude. We illustrate its practical feasibility by applying it on a challenging protein data set.

研究动机与目标

• 解决由于组合爆炸和不可靠的独立性检验导致的约束基因果发现中的可扩展性与可靠性问题。
• 通过从直接因果关系表示转向祖先因果关系表示，提升准确率与效率。
• 为因果预测提供置信度评分，以支持预测排序与可靠性评估。
• 在基于逻辑的框架中，无缝整合观测数据、干预数据与背景知识。
• 在存在忠实性违背的具有挑战性的现实世界蛋白数据集上，验证方法的实际可行性。

提出的方法

• ACI 使用祖先关系的粗粒度表示（若 X 间接导致 Y，则记为 X → Y），与直接关系枚举相比，大幅缩减了搜索空间。
• 在答案集编程（ASP）中形式化祖先推理规则，使用逻辑规则与对称性公理编码 d-分离与独立性约束。
• 通过损失函数将来自观测数据与干预数据的加权独立性陈述纳入方法，惩罚与输入数据不一致的情况。
• 置信度评分通过祖先关系的边际概率近似值估算，基于多个独立性检验中证据的一致性推导得出。
• 采用最小化目标函数，通过最小化输入独立性与依赖性陈述的加权违反程度，寻找最一致的祖先结构。
• 该框架支持背景知识的整合，并可通过加权约束扩展至多种数据类型的联合建模。

实验结果

研究问题

• RQ1 祖先推理是否能在保持或提升准确率的同时，显著降低约束基因果发现的计算复杂度？
• RQ2 在存在噪声独立性检验的情况下，如何可靠地估计因果预测的置信度？
• RQ3 ACI 是否能有效结合观测与干预数据，提升因果推断的鲁棒性？
• RQ4 ACI 在合成数据与真实世界数据上，相较于现有最先进方法，在准确率与速度方面有多大的性能优势？
• RQ5 ACI 在真实世界生物数据（如蛋白信号传导网络）中，对忠实性违背的处理能力如何？

主要发现

• 在合成数据集上，ACI 相较于最先进方法 antti 实现了数个数量级的速度提升，显著增强了可扩展性。
• 在合成数据上，ACI 在准确率方面优于标准方法（如自助重采样 FCI 与 CFCI），尤其在存在隐性混杂因素时表现更优。
• 该方法成功从具有挑战性的 SPP05 蛋白信号传导数据集中恢复出因果结构，该数据集此前因忠实性违背而使约束基方法失效。
• 置信度评分支持预测排序，通过优先选择高可靠性关系，显著提升整体准确率。
• 通过整合来自观测与干预数据的加权祖先约束，显著提升了预测的可靠性。
• 在统计检验的弱条件下，ACI 具有渐近一致性和正确性，确保理论上的可靠性。