[论文解读] Constraint-based Causal Discovery from Multiple Interventions over Overlapping Variable Sets

Sofia Triantafillou, Ioannis Tsamardinos|arXiv (Cornell University)|Mar 10, 2014

Bayesian Modeling and Causal Inference参考文献 51被引用 93

一句话总结

COmbINE 是一种基于约束的因果发现算法，通过将依赖约束的SAT编码整合来自重叠变量集的不同干预条件下的多种异构数据集，推断不变和可变的因果结构。它通过置信度排序的约束处理提高了效率并解决了统计冲突，在真实世界的质量流式细胞术数据上优于先前的方法。

ABSTRACT

Scientific practice typically involves repeatedly studying a system, each time trying to unravel a different perspective. In each study, the scientist may take measurements under different experimental conditions (interventions, manipulations, perturbations) and measure different sets of quantities (variables). The result is a collection of heterogeneous data sets coming from different data distributions. In this work, we present algorithm COmbINE, which accepts a collection of data sets over overlapping variable sets under different experimental conditions; COmbINE then outputs a summary of all causal models indicating the invariant and variant structural characteristics of all models that simultaneously fit all of the input data sets. COmbINE converts estimated dependencies and independencies in the data into path constraints on the data-generating causal model and encodes them as a SAT instance. The algorithm is sound and complete in the sample limit. To account for conflicting constraints arising from statistical errors, we introduce a general method for sorting constraints in order of confidence, computed as a function of their corresponding p-values. In our empirical evaluation, COmbINE outperforms in terms of efficiency the only pre-existing similar algorithm; the latter additionally admits feedback cycles, but does not admit conflicting constraints which hinders the applicability on real data. As a proof-of-concept, COmbINE is employed to co-analyze 4 real, mass-cytometry data sets measuring phosphorylated protein concentrations of overlapping protein sets under 3 different interventions.

研究动机与目标

• 解决来自不同实验条件下具有重叠变量的多种异构数据集的整合挑战。
• 开发一种联合推断数据集间因果结构的方法，同时识别不变和可变的因果特征。
• 通过基于置信度的约束排序，处理真实世界数据中的统计错误和冲突约束。
• 与无法处理冲突约束的现有算法相比，实现对更大规模数据集的高效扩展。

提出的方法

• 将每个数据集中的统计依赖性和独立性转换为潜在因果模型上的路径约束。
• 使用紧凑表示将所有约束编码为布尔可满足性（SAT）问题，以提高可扩展性。
• 使用统计独立性检验的p值对约束按置信度进行排序，以解决冲突。
• 利用最大祖先图（MAGs）和半马尔可夫因果模型（SMCMs）表示和推理干预下的因果结构。
• 应用贪心约束添加策略：按置信度递增顺序添加约束，并丢弃冲突的约束。
• 利用现代SAT求解器，高效计算同时符合所有输入数据集的所有模型。

实验结果

研究问题

• RQ1 能否从具有重叠变量和不同干预的多个数据集中学习到统一的因果模型？
• RQ2 在因果发现过程中，如何解决由统计误差引起的冲突约束？
• RQ3 样本量和数据集数量对因果推断的准确性和效率有何影响？
• RQ4 与不处理冲突约束的现有算法相比，COmbINE在性能和可扩展性方面表现如何？
• RQ5 COmbINE在多组实验条件下识别不变和可变因果结构的能力有多大？

主要发现

• COmbINE 在计算效率和可扩展性方面优于唯一一个先前存在的类似算法，尤其在更大问题规模下表现更优。
• 该算法通过基于置信度的排序成功处理了冲突约束，使其实用于存在常见统计误差的真实世界数据成为可能。
• 实证评估表明，COmbINE 即使在小样本量和多数据集条件下仍能保持高准确性。
• COmbINE 中的冲突解决技术在因果特征的精确率和召回率方面显著优于其他替代方法。
• 在4个真实质量流式细胞术数据集的可行性验证中，COmbINE 在不同干预条件下识别出了稳定的因果模式，展示了其实际应用价值。