[论文解读] Permutation-Based Causal Structure Learning with Unknown Intervention Targets

Chandler Squires, Yuhao Wang+1 more|arXiv (Cornell University)|Oct 20, 2019

Bayesian Modeling and Causal Inference参考文献 27被引用 5

一句话总结

该论文提出UT-IGSP，一种在干预目标未知的情况下，从混合观测与干预数据中学习干预马尔可夫等价类（I-MEC）的可证明一致、非参数算法。该方法通过基于排列的评分函数搜索，联合识别干预目标与因果结构，在基因组学和异质性数据设置下对脱靶效应表现出鲁棒性。

ABSTRACT

We consider the problem of estimating causal DAG models from a mix of observational and interventional data, when the intervention targets are partially or completely unknown. This problem is highly relevant for example in genomics, since gene knockout technologies are known to have off-target effects. We characterize the interventional Markov equivalence class of DAGs that can be identified from interventional data with unknown intervention targets. In addition, we propose a provably consistent algorithm for learning the interventional Markov equivalence class from such data. The proposed algorithm greedily searches over the space of permutations to minimize a novel score function. The algorithm is nonparametric, which is particularly important for applications to genomics, where the relationships between variables are often non-linear and the distribution non-Gaussian. We demonstrate the performance of our algorithm on synthetic and biological datasets. Links to an implementation of our algorithm and to a reproducible code base for our experiments can be found at https://uhlerlab.github.io/causaldag/utigsp.

研究动机与目标

• 解决在干预数据中干预目标部分或完全未知时的因果结构学习挑战，特别是在CRISPR-Cas引发脱靶效应的基因组学场景中。
• 在忠实性假设下，建立即使缺乏干预目标先验知识，干预马尔可夫等价类（I-MEC）的理论可识别性。
• 开发一种非参数、贪心算法，从混合观测与干预数据中联合推断干预目标与I-MEC。
• 在合成与真实生物数据集中展示对脱靶效应的鲁棒性，尤其在参数方法失效的情况下。
• 提供一种可扩展、一致的方法，适用于异质性数据源，如疾病与正常状态，或危机前后金融数据。

提出的方法

• 提出一种新颖的评分函数，其在真实I-MEC中的图上取得最小值，从而在干预目标未知时实现一致学习。
• 采用基于排列的贪心搜索，对潜在干预目标进行探索，高效搜索可能的I-MEC空间。
• 结合条件独立性检验与基于排列的评分，同时识别因果结构与被干预变量集合。
• 通过避免对函数关系或误差分布的参数假设，确保非参数灵活性。
• 利用I-MEC框架在干预目标未知时仍能识别至干预等价的因果结构。
• 将算法实现为UT-IGSP，运行时间可扩展（p=20时低于1秒，p=100时为20秒），适用于高维数据。

实验结果

研究问题

• RQ1 在标准忠实性假设下，当干预目标未知时，是否仍可识别干预马尔可夫等价类（I-MEC）？
• RQ2 如何设计一种非参数算法，从混合观测与干预数据中联合学习因果DAG与干预目标？
• RQ3 在存在脱靶效应时，所提方法与GIES、IGSP和JCI-GSP等现有方法相比性能如何？
• RQ4 该算法在基因组学中常见的高维稀疏图上扩展性如何？
• RQ5 在真实生物数据中，干预经过精心控制、脱靶效应极低时，该算法是否仍优于现有方法？

主要发现

• 在特定忠实性假设下，即使缺乏干预目标先验知识，I-MEC仍可识别，其可识别性水平与已知目标时相当。
• 在存在脱靶效应时，UT-IGSP在骨架与边发现任务上均优于GIES，而IGSP仅表现出轻微退化，表明其具有鲁棒性。
• 在Sachs等人（2005）的生物数据集中，UT-IGSP与IGSP表现相当，表明在无脱靶效应时无显著优势。
• UT-IGSP*（未指定任何干预目标运行）与UT-IGSP表现相似，表明其在干预目标未知或不完美时仍具实用性。
• 该算法扩展性良好：当p=20时平均运行时间低于1秒，p=100时为20秒（ℓ=3次干预，s=1.5稀疏度）。
• 由于有限样本大小导致的条件独立性检验假阴性，该方法具有鲁棒性，而JCI-GSP则可能过度约束搜索空间。