[论文解读] Inferring causal models of cancer progression with a shrinkage estimator and probability raising

Loes M. Olde Loohuis, Giulio Caravagna+5 more|arXiv (Cornell University)|Nov 25, 2013

Bayesian Modeling and Causal Inference被引用 2

一句话总结

该论文提出CAPRESE，一种新颖的因果推断框架，用于利用概率因果关系（Suppes定义）和类似收缩的估计器重建癌症进展树，以增强对生物噪声和测量噪声的鲁棒性。该方法证明了在渐近条件下收敛到正确树结构，并在合成数据和真实癌症数据集上表现出优于最先进方法的性能。

ABSTRACT

Existing techniques to reconstruct tree models of progression for accumulative processes, such as cancer, seek to estimate causation by combining correlation and a frequentist notion of temporal priority. In this paper, we define a novel theoretical framework called CAPRESE (CAncer PRogression Extraction with Single Edges) to reconstruct such models based on the notion of probabilistic causation defined by Suppes. We consider a general reconstruction setting complicated by the presence of noise in the data due to biological variation, as well as experimental or measurement errors. To improve tolerance to noise we define and use a shrinkage-like estimator. We prove the correctness of our algorithm by showing asymptotic convergence to the correct tree under mild constraints on the level of noise. Moreover, on synthetic data, we show that our approach outperforms the state-of-the-art, that it is efficient even with a relatively small number of samples and that its performance quickly converges to its asymptote as the number of samples increases. For real cancer datasets obtained with different technologies, we highlight biologically significant differences in the progressions inferred with respect to other competing techniques and we also show how to validate conjectured biological relations with progression models.

研究动机与目标

• 开发一种稳健的方法，用于重建考虑生物噪声和测量噪声的癌症因果进展树。
• 基于Suppes的概率因果关系框架形式化癌症进展推断，该框架强调概率提升和时间优先性。
• 通过引入类似收缩的估计器，提升在小样本情况下的模型准确性和稳定性。
• 将推断的进展模型与已知生物关系进行对比，并在真实数据集中验证其生物学相关性。

提出的方法

• 该框架采用Suppes的概率因果关系，即原因会提高其结果发生的概率，以定义进展模型中的因果关系。
• 引入一种类似收缩的估计器，以降低方差，并在存在生物变异和测量误差引起的噪声时提升鲁棒性。
• 通过迭代选择满足概率提升和时间优先性约束的边，算法重建单边进展树。
• 证明了在较弱噪声条件下，该方法能渐近收敛到真实树结构。
• 使用合成数据评估不同样本规模下的性能，表明其能快速收敛到最优性能。
• 分析来自多种技术的真实世界癌症数据集，以比较进展模型并验证其生物学合理性。

实验结果

研究问题

• RQ1 基于Suppes定义的概率因果关系框架是否能在噪声条件下提升癌症进展树重建的准确性？
• RQ2 在小样本和高噪声环境下，引入类似收缩的估计器如何增强模型的鲁棒性？
• RQ3 CAPRESE在合成和真实癌症进展数据上相较于现有最先进方法的性能提升程度如何？
• RQ4 与其它技术推断的模型相比，CAPRESE推断的进展模型是否能揭示具有生物学意义的差异？
• RQ5 如何利用推断的进展模型验证推测的生物关系？

主要发现

• 在合成数据上，CAPRESE的表现优于最先进方法，尤其在小样本规模下表现更优。
• 随着样本数量增加，该方法能快速收敛到其渐近性能，表明其具有出色的样本效率。
• 在温和噪声条件下，该算法能渐近收敛到正确的树结构，验证了其理论合理性。
• 在真实癌症数据集中，CAPRESE推断的进展模型与其它技术相比揭示了具有生物学意义的差异。
• 该框架能够通过真实世界数据中一致且合理的进展模式，验证推测的生物关系。