技術的概要：PACER – 大規模介入データからの非循環的因果発見

問題定義

データから有向非循環グラフ（DAG）の構造を推論することは、因果発見における基本的な課題である。観測データのみではマルコフ同値性までしか因果グラフを特定できないが、介入データの統合は因果的な曖昧さを解消することで識別可能性を大幅に向上させる。しかし、システムの次元が増大するにつれて（例えば、数千の変数を有するゲノミクスにおいて）、既存の手法は深刻なスケーラビリティのボトルネックに直面している。

NOTEARS やその派生手法（DCDI、DCDFG）などの現代的な微分可能な因果発見アプローチは、構造学習を連続最適化問題として再構成する。これらの手法は通常、行列指数関数やスペクトル半径に基づく増分ラグランジュ罰則など、軟らかい罰則を通じて非循環性を強制する。このアプローチには、以下の 3 つの主要な限界がある：

1. 無効な探索空間: 最適化は、結合尤度が明確に定義されていない循環グラフ上で行われるため、高価な事後の剪定が必要となる。
2. 数値的不安定性: ノード数が増加するにつれて、非循環性制約の計算複雑性が数値的不安定性と実行時間の非現実的な増大をもたらす。
3. スケーラビリティ: 代理罰則への依存と、制約勾配の $O(n^3)$ または $O(n^4)$ の複雑性により、これらの手法は小規模から中規模のグラフサイズに限定され、現代の高スループット撹乱スクリーンで見られる数千の変数にはスケーリングできない。

手法：PACER

著者は、罰則項ではなく構成によって非循環性を保証するフレームワークであるPACER（Perturbation-driven Acyclic Causal Edge Recovery：介入駆動型非循環的因果エッジ復元）を導入する。PACER は、DAG の空間上に直接確率分布を定義することで、有効な探索空間内での最適化を可能にする。

1. ベルヌーイ・プラケット・ルー分布

PACER は、DAG 空間を以下の 2 つのコンポーネントを用いてモデル化する：

• トポロジカル順序付け: 変数の順列の分布をモデル化するためにプラケット・ルー分布を採用する。順列 $\pi$ は有効なトポロジカル順序を定義し、任意のエッジ $i \to j$ が $\pi^{-1}_i < \pi^{-1}_j$ を意味することを保証する。
• エッジ確率: 独立したベルヌーイ分布を用いて、エッジを剪定するバイナリマスク $B$ を定義する。
• 結合モデル: これらの組み合わせによりベルヌーイ・プラケット・ルー分布 $p(\pi, B | \theta, P)$ が得られる。エッジ $a_{ij}$ は、エッジマスクが $b_{ij}=1$ を示し、かつ順列が $i$ を $j$ より前に配置する場合にのみ存在する。この定式化により、サンプリングされたすべてのグラフが設計上、厳密に非循環であることが保証される。

2. 目的関数

PACER は、すべての介入レジームにわたる非介入変数の対数尤度の期待値を最大化する。目的関数 $S(\Theta, \Omega)$ は以下のように定義される：
$$S(\Theta, \Omega) = \mathbb{E}_{M' \sim M(\Theta)} [f(M', \Omega)] - \lambda \| \mathbb{E}[M(\Theta)] \|_1$$
ここで、$f(M', \Omega)$ は介入対数尤度であり、第二項はスパース性を促進するための $\ell_1$ 罰則である。重要なのは、サンプリング分布 $M(\Theta)$ が DAG のみを生成するため、非循環性制約は不要である点である。

3. 最適化戦略

PACER は、想定される因果メカニズムに応じて、最適化のための 2 つの異なる経路を提供する：

• 一般ケース（REINFORCE）: 任意の条件付き密度（例えば、ニューラルパラメータ化）の場合、PACER は平均ベースラインを用いたREINFORCEアルゴリズム（Williams, 1992）を使用して勾配を推定する。これにより、非線形かつ非ガウス的なメカニズムの柔軟なモデリングが可能となる。
• 線形ガウスケース（解析解）: 線形ガウスメカニズムの場合、著者は期待介入対数尤度に対する閉形式の式を導出する。これにより、モンテカルロサンプリングが完全に不要となる。解析的な勾配計算は、ステップあたりの複雑性を罰則ベースの手法に典型的な $O(n^3)$ から$O(n^2)$に削減し、数千の変数へのスケーリングを可能にする。

4. 事前分布の統合

このフレームワークは、構造的な事前知識の直接的な統合をサポートする。プラケット・ルーパラメータ（$\theta$）は、期待されるノード中心性に基づいて初期化でき、ベルヌーイ確率（$P$）は、特定のエッジを強制または禁止するように設定できる（例えば、転写因子への調節のみを制限するなど）。

主要な貢献

1. 設計による非循環性: PACER は、順列とエッジマスクの確率モデルを通じて探索空間を DAG に制限することで、非循環性を保証する最初のスケーラブルなフレームワークであり、代理非循環性罰則の必要性を排除する。
2. スケーラビリティ: 線形ガウス仮定の下での期待対数尤度の解析的式を導出することにより、PACER は $O(n^2)$ の計算複雑性を達成し、罰則ベースの手法が失敗する数千の変数を有するネットワークにスケーリング可能である。
3. 統合フレームワーク: 観測データと介入データの両方に対する尤度ベースの統一的な扱いを提供し、柔軟な条件付き密度と構造的な事前分布をサポートする。
4. 正確な勾配計算: 線形ガウスメカニズムに対する閉形式の勾配の導出は、高次元におけるサンプリングベースの推定量に伴う分散と不安定性を回避する。

実験結果

著者は、PACER をタンパク質シグナリングネットワークや大規模遺伝的撹乱データを含む合成ベンチマークおよび実世界データセットで評価した。

• 合成スケーラビリティ: 最大 50 変数の合成データセットにおいて、PACER は構造的精度を維持したのに対し、他の微分可能なベースライン（DCDI など）は数値的不安定に陥るか、時間制限を超えた。PACER は線形ガウスメカニズムを用いて 1,000 変数にスケーリングし、罰則ベースのアプローチよりも2 桁速い実行時間を達成した。
• タンパク質シグナリング（Sachs et al., 2005）: 観測および介入の両方の設定において、PACER は構造ハミング距離（SHD）、構造介入距離（SID）、および F1 スコアにおいて、最先端の手法（GIES、CAM、NOTEARS など）と同等かそれ以上の性能を発揮した。PKC→RAF→MEK→ERK などの標準的なシグナリング経路を正常に復元した。
• 大規模遺伝的撹乱（CausalBench および Perturb-CITE-seq）:
  • CausalBench ベンチマーク（RPE1 および K562 細胞株）において、PACER はトップクラスのワッサーシュタイン距離スコアを達成し、競合する微分可能な手法（DCDFG、NOTEARS）よりも300 倍以上高速であった。
  • Perturb-CITE-seq データセット（約 1,000 遺伝子、248 種類の撹乱）において、PACER は最高の介入負対数尤度と平均絶対誤差を達成し、実行時間において DCDFG より 300 倍優れていた。
• ロバスト性: PACER はハイパーパラメータのばらつき（スパース性係数 $\lambda$）に対してロバストであり、不完全な介入シナリオ（オフターゲット効果やソフト介入）下でも性能を維持した。

意義と主張

本論文は、PACER が原理的な探索空間設計を通じて、高次元撹乱データからの正確かつスケーラブルな因果発見が実現可能であることを示していると主張している。

軟らかい非循環性制約から離れ、DAG 上の分布を直接モデル化することにより、PACER は微分可能な因果発見を小規模グラフに限定してきた計算および数値的な障壁を克服する。著者は、大規模介入データからの因果メカニズムの理解が重要でありながら、以前は計算的に不可能であったシステム生物学およびゲノミクスの現代的な高次元設定における実用的な解決策として PACER を位置づけている。このフレームワークは、ドメイン知識と実験的検証を活用する仮説生成のツールとして提示されており、単独の意思決定システムではない。