ملخص تقني: SCOUT – الاكتشاف السببي الدوري تحت التدخلات اللينة مع أهداف مجهولة

1. بيان المشكلة

يهدف الاكتشاف السببي إلى استنتاج البنية السببية الكامنة لنظام ما من البيانات. ومع ذلك، تواجه الخواربات الحالية قيودًا كبيرة عند تطبيقها على الأنظمة المعقدة والواقعية. تعتمد معظم الطرق الحالية على ثلاثة افتراضات تقييدية:

1. اللا دورية (Acyclicity): الرسم البياني السببي هو رسم بياني موجه غير دوري (DAG)، مما يتجاهل حلقات التغذية الراجعة الشائعة في الأنظمة البيولوجية والاقتصادية.
2. التوزيع الطبيعي (Gaussianity): يُفترض أن متغيرات الضوضاء الخارجية تتبع التوزيع الطبيعي، وهو ما يفشل غالبًا في التقاط تعقيد التوزيعات في العالم الحقيقي.
3. أهداف التدخل المعروفة: يُفترض أن متغيرات التدخل المستهدفة أثناء التجارلات التداخلية معروفة، بينما في العديد من السيناريوهات العملية (مثل عمليات المسح البيولوجي عالية الإنتاجية)، تكون هذه الأهداف مجهولة.

علاوة على ذلك، فإن الطرق الموجودة التي تعالج هذه المشكلات بشكل فردي غالبًا ما تفشل في الجمع بينها. فعلى سبيل المثال، الطرق التي تتعامل مع الرسوم البيانية الدورية غالبًا ما تفترض الخطية أو التدخلات القوية (الجراحية)، بينما الطرق التي تتعامل مع التدخلات اللينة تفترض غالبًا اللا دورية أو الأهداف المعروفة. تعالج هذه الورقة تحدي تعلم العلاقات السببية غير الخطية والدورية من بيانات التدخل اللينة حيث تكون أهداف التدخل مجهولة والضوضاء غير طبيعية (Non-Gaussian).

2. المنهجية: إطار عمل SCOUT

يقترح المؤلفون SCOUT، وهو إطار عمل جديد يصيغ الاكتشاف السببي كمسألة تحسين مستمرة تهدف لتعظيم لوغاريتم احتمالية البيانات (log-likelihood). يدمج إطار العمل عدة مكونات متقدمة للتعامل مع التحديات المحددة المتعلقة بالدورات، واللا خطية، والأهداف المجهولة.

2.1. نمذجة المعادلات الهيكلية (SEM) مع الدورات

يتم نمذجة النظام باستخدام نموذج معادلة هيكلية (SEM) يسم يسمح بوجود دورات موجهة:
$$X = f(X) + \epsilon$$
حيث تمثل $X$ المتغيرات العشوائية، وتمثل $f$ الآليات السببية غير الخطية، وتمثل $\epsilon$ الضوضاء الخارجية. لضمان أن يكون النظام جيد التحديد ويسمح بحل فريد في ظل ظروف التوازن، يفترض المؤلفون أن الآلية السببية $f$ هي آلية انكماشية (Contractive). وهذا يسمح بتعريف خريطة أمامية قابلة للعكس $X \mapsto \epsilon = (id - f)(X)$.

2.2. نمذجة التدخلات اللينة

يتعامل إطار العمل مع التدخلات اللينة (Soft Interventions)، حيث يتم الحفاظ على اتصال العقدة مع والديها، ولكن تتغير الآلية السببية أو خصائص الضوضاء. بالنسبة لـ $K$ من التجارب ذات الأهداف المجهولة، يتم التعبير عن النموذج كالتالي:
$$X = U_k(f(X) + \epsilon) + (I_d - U_k)(\tilde{f}(X) + \tilde{\epsilon})$$
هنا، $U_k$ هي مصفوفة قطرية تشير إلى المتغيرات التي لم يتم التدخل عليها في التجربة $k$. ومن الأهمية بمكان أن $U_k$ (وبالتالي أهداف التدخل) تُعامل كـ معلمة مجهولة (Unknown Parameter) يتم تعلمها جنبًا إلى جنب مع بنية الرسم البياني.

2.3. تدفقات التطبيع (Normalizing Flows) للضوضاء غير الطبيعية

للتعامل مع الضوضاء غير الطبيعية وتعلم الآليات السببية، يستخدم SCOUT تدفقات التطبيع (Normalizing Flows) في مرحلتين:

1. تدفقات المتبقيات الانكماشية (Contractive Residual Flows): يتم تمثيل الآلية السببية $f$ بواسطة شبكة عصبية. ولتحقيق فرضية الانكماش المطلوبة للحل، يتم تقييد أوزان الشبكة باستخدام التطبيع الطيفي (Spectral Normalization). ويتم تعلم مصفوفة الجوار للرسم البياني عبر استرخاء Gumbel-softmax.
2. تدفقات الشرائح العصبية (Neural Spline Flows - NSF): نظرًا لأن الضوضاء $\epsilon$ قد تكون غير طبيعية، يستخدم إطار العمل تحويل دالة التوزيع التراكمي (CDF) للرباعيات العقلية (piecewise rational quadratic) لربط الضوضاء $\epsilon$ بالتوزيع الطبيعي القياسي $z$. يسمح هذا للنموذج بالتقاط توزيعات الضوضاء المعقدة مع الحفاظ على حساب الاحتمالية القابل للتتبع.

2.4. استنتاج هدف التدخل

لتحديد أهداف التدخل المجهولة، يقدم SCOUT مصفوفة هدف التدخل $T^I \in \{0, 1\}^{K \times d}$. وبالمثل لمصفوفة الجوار للرسم البياني، يتم أخذ عينات من مدخلات $T^I$ من توزيع Gumbel-softmax وتحسينها عبر تقدير التدرج المباشر (straight-through gradient estimation). ويتم تطبيق منظم التشتت (Sparsity Regularizer) لتشجيع أهداف التدخل المتفرقة.

2.5. التحسين ودالة الدرجة (Score Function)

الهدف هو تعظيم دالة درجة لوغاريتم الاحتمالية المنتظمة:
$$S(G, I) = \sup_{\theta} \sum_{k=1}^K \mathbb{E}_{X \sim p^{(k)}} [\log p_{I_k, G}(X)] - \lambda_G |G| - \lambda_I |I|$$
يعد حساب لوغاريتم المحدد (log-determinant) لجاكوبي للأنظمة الدورية أمرًا صعبًا حاسوبيًا. يعالج SCOUT ذلك باستخدام مقدر غير متحيز (Unbiased Estimator) يعتمد على توسيع متسلسلة القوى (Power Series Expansion) للوغاريتم المحدد (Neumann series)، مدمجًا مع مقدر أثر هوتشينسون (Hutchinson trace estimator) واستراتيجية قطع عشوائية لضمان عدم الانحياز.

3. المساهمات الرئيسية

تقدم الورقة المساهمات المحددة التالية:

• إطار عمل مبتكر: يعد SCOUT أول إطار عمل يستوعب في آن واحد الآليات غير الخطية، الدورات الموجهة، الضوضاء المضافة غير الطبيعية، والتدخلات اللينة ذات الأهداف المجهولة.
• ضمانات نظرية: يثبت المؤلفون أن التعظيم الدقيق لدالة الدرجة المقترحة يحدد فئة التكافؤ التدخلية (Interventional Equivalence Class) للرسم البياني الحقيقي وعائلة التدخل الحقيقية، تحت افتراضات الانكماش والوفاء (Faithfulness).
• بنية قابلة للتوسع: من خلال استخدام التحسين المستمر وتدفقات التطبيع، يتجنب أسلوب SCOment البحث التوافقي التقليدي في الاكتشاف السببي المنفصل.
• تقييم شامل: تمت مقارنة إطار العمل مع أحدث الطرق (NODAGS-Flow, LLC, BACKSHIFT) على كل من البيانات الاصطناعية والبيانات الواقعية.

4. النتائج التجريبية

قيم المؤلفون SCOUT على بيانات اصطناعية ومجموعتي بيانات واقعيتين: Perturb-CITE-seq (بيانات التعبير الجيني) و SERGIO (محاكاة التعبير الجيني في الخلايا المفردة).

4.1. أداء البيانات الاصطناعية

• استعادة الرسم البياني: حقق SCOUT استعادة شبه مثالية للرسم البياني (AUPRC $\approx$ 1.0) عبر مختلف الإعدادات التي تتضمن ضوضاء طبيعية، وأسية، وغامبل، وتدخلات الإزاحة (shift)، والمقياس (scale)، والوظيفة الصاخبة (noisy function). لقد تفوق بشكل كبير على النماذج المرجعية، خاصة في الإعدادات غير الطبيعية والدورية حيث فشلت الطرق الأخرى أو تدهورت.
• استعادة الهدف: نجح SCOUT في استعادة أهداف التدخل المجهولة، محققًا AUPRC مثاليًا لتدخلات الإزاحة والمقياس. وبينما انخفض الأداء لتدخلات "الوظيفة الصاخبة" (بسبب محدودية التغيرات التوزيعية)، إلا أنه لا يزال يتفوق على النموذج المرجعي BACKSHIFT.
• القابلية للتوسع: مع زيادة عدد العقد من 10 إلى 70، حافظ SCO_UT على أداء عالٍ، بينما أظهرت النماذج المرجعية مثل BACKSHIFT و LLC تدهورًا كبيرًا.
• دراسات الاستئصال (Ablation Studies): أدى إزالة طبقة تدفق الشرائح العصبية (NSF) إلى انخفاض كبير في الأداء للضوضاء غير الطبيعية، مما يؤكد ضرورة NSF لنمذجة توزيعات الضوضاء المعقدة.

4.2. البيانات الواقعية

• Perturb-CITE-seq: في بيانات شبكة التنظيم الجيني، أظهر SCOUT أداءً تنبؤيًا فائقًا (مقاسًا بـ Interventional Negative Log-Likelihood) مقارنة بـ NODAGS-Flow و LLC عبر ظروف خلوية مختلفة (Co-culture, Control, IFN-$\gamma$). يشير هذا إلى أن مراعاة الضوضاء غير الطبيعية يحسن دقة التنبؤ في الأنظمة البيولوجية.
• SERGIO: في محاكاة قريبة من الواقع، حقق SCOUT استعادة شبه مثالية لأهداف التدخل (AUPRC 0.978) وتفوق على النماذج المرجعية في تحديد الرسم البياني، على الرغم من أن الآلية الحقيقية لم تكن انكماشية بدقة.

5. الأهمية والادعاءات

تدعي الورقة أن SCOUT يوسع بشكل كبير نطاق الاكتشاف السببي لسيناريوهات التجارب الواقعية. من خلال تخفيف الافتراضات المتعلقة باللا دورية، والنمط الطبيعي، والأهداف المعروفة، يتيح إطار العمل تحليل الأنظمة المعقدة ذات حلقات التغذية الراجعة والضوضاء غير المتجانسة، المنتشرة في مجالات مثل البيولوجيا وهندسة الأنظمة.

يؤكد المؤلفون أن نهجهم يوفر طريقة متسقة (Consistent) لاستعادة فئة التكافؤ ماركوف للرسم البياني الحقيقي وعائلات التدخل. وهم يقرون بالقيود، مثل الحاجة إلى آليات انكماشية لضمان القابلية للحل وصعوبة استعادة الأهداف عندما تسبب التدخلات تغييرات توزيعية طفيفة (مثل تدخلات الوظيفة الصاخبة). كما اقترحوا أعمالًا مستقبلية تشمل التعامل مع المتغيرات المربكة (Confounders)، ونماذج ضوضاء القياس الأكثر واقعية، والتوسع إلى نماذج رسوم بيانية أكبر.

تخلص الورقة إلى أن SCOUT يمثل خطوة مهمة للأمام في جعل الاكتشاف السببي قابلًا للتطبيق على الأنظمة المعقدة والدورية وغير الطبيعية التي توجد غالبًا في البيانات العلمية الحديثة.