[论文解读] The Reduced PC-Algorithm: Improved Causal Structure Learning in Large Random Networks

Arjun Sondhi, Ali Shojaie|PubMed|Jun 16, 2018

Bioinformatics and Genomic Networks参考文献 41被引用 11

一句话总结

该论文提出了简化PC（rPC）算法，一种改进的基于约束的方法，用于在具有枢纽节点的高维稀疏网络中进行因果结构学习。通过利用随机图的局部分离特性，rPC仅对小变量集进行条件化，使计算复杂度和样本复杂度与平均度数成比例，而非最大度数，从而在准确性和效率方面实现显著提升——尤其在生物网络中表现更优，且对忠实性假设的要求弱于原始PC算法。

ABSTRACT

We consider the task of estimating a high-dimensional directed acyclic graph, given observations from a linear structural equation model with arbitrary noise distribution. By exploiting properties of common random graphs, we develop a new algorithm that requires conditioning only on small sets of variables. The proposed algorithm, which is essentially a modified version of the PC-Algorithm, offers significant gains in both computational complexity and estimation accuracy. In particular, it results in more efficient and accurate estimation in large networks containing hub nodes, which are common in biological systems. We prove the consistency of the proposed algorithm, and show that it also requires a less stringent faithfulness assumption than the PC-Algorithm. Simulations in low and high-dimensional settings are used to illustrate these findings. An application to gene expression data suggests that the proposed algorithm can identify a greater number of clinically relevant genes than current methods.

研究动机与目标

• 为解决PC-Algorithm在具有枢纽节点的高维网络中可扩展性差的问题，其计算成本与最大节点度数成比例。
• 在生物系统中常见的大型稀疏随机网络中，提高估计准确性和计算效率。
• 降低对忠实性假设的要求，使该方法适用于比原始PC-Algorithm更广泛的分布类别。
• 开发一种基于约束的方法，利用现实世界网络的结构性质，如局部分离性和幂律度分布。
• 在高维设置下，仅使用小条件集实现一致的骨架恢复，即使在弱忠实性条件下亦成立。

提出的方法

• rPC算法通过基于大型随机图的局部分离特性，将条件集限制在小邻域内，对PC-Algorithm进行改进。
• 利用稀疏网络中（如幂律或小世界结构）节点间短路径数量受限制的事实，实现高效的条件独立性检验。
• 该方法仅对与平均度数成比例大小的集合进行条件化，而非最大度数，从而显著降低计算复杂度。
• 使用条件独立性检验估计骨架，随后应用定向规则生成完整的部分定向有向无环图（CPDAG）。
• 与PC-Algorithm要求受限强忠实性相比，该算法在更弱的路径忠实性假设下被证明是一致的。
• 数据标准化确保边权重的绝对值通常不超过1，支持该方法在实践中假设的有效性。

实验结果

研究问题

• RQ1 能否通过减小条件集大小，使基于约束的因果结构学习算法在具有枢纽节点的大规模网络中更高效、更准确？
• RQ2 利用随机图的局部分离特性，是否能实现比PC-Algorithm更小条件集的一致骨架估计？
• RQ3 rPC所需的忠实性假设是否比PC-Algorithm更宽松，特别是在高维设置下？
• RQ4 在幂律度分布网络中，rPC是否能实现比PC-Algorithm更高的估计准确性和更低的计算复杂度？
• RQ5 在现实世界网络配置中，标准化SEM系数的绝对值在多大程度上超过1，从而削弱忠实性假设？

主要发现

• rPC算法通过利用大型随机图的局部分离特性，仅对小规模变量集进行条件化，实现了在高维线性SEM中的一致骨架估计。
• rPC的计算复杂度和样本复杂度与平均度数成比例，而非最大度数，因此在具有枢纽节点的大规模网络中显著提升性能。
• 该方法仅需路径忠实性，弱于PC-Algorithm所需的受限强忠实性，从而扩大了其在真实世界数据中的适用范围。
• 在Erdős-Rényi图和幂律图上的模拟结果显示，标准化SEM系数绝对值超过1的情况不足0.5%，支持该方法假设的有效性。
• 在基因表达数据中，rPC识别出比现有方法更多具有临床相关性的基因，表明其具有更高的生物相关性和发现能力。
• 在现实网络配置中，违反忠实性假设的概率很低，所有测试图类型和系数分布下，Pr(|ρ| > 1) < 0.005。