On the Recoverability of Causal Relations from Bulk Gene Expression Data

技術要約：バルク遺伝子発現データからの因果関係の回復可能性について

問題提起
シングルセル解析が普及する一方で、バルク遺伝子発現プロファイリングは、大規模な生物学的研究において依然として一般的であり、コスト効率が高く、ノイズも少ない手法である。バルクデータは、多くの細胞内でプールされたRNAの集計を表している。多くの計算科学的取り組みは、これらの集計されたバルク測定値から、直接的な単一の均質な因果システムとして扱い、因果的遺伝子制御ネットワークを直接推論しようと試みている。しかし、集計（aggregation）は、基礎となる細胞システムにおける情報の欠損を伴う、非可逆的な粗視化（coarsening）である。本論文は、未だ十分に探求されていない根本的な問いに取り組む。すなわち、「どのような条件下で、集計されたバルク発現データから因果関係を信頼性高く回復できるのか」、そして「集計プロセスは、因果発見に必要な情報（関数形式、統計的依存性、および条件付き独立性）をいつ歪めてしまうのか」という問いである。

手法および理論的枠組み
著者らは、潜在的な因果モデルと観測された集計データとの間の2つの補完的な一致性の概念を通じて、集計下における因果的回復可能性の問題を定式化している。

1. 関数形式の一致性（Functional-Form Consistency）: 集計された変数が、基礎となるモデルと同じ関数族の構造的因果モデル（SCM）を許容するかどうかを検証する。著者らは、2つの一般的な関数的因果モデルの族を分析している：加法的ノイズモデル（ANM: $Y = f(X) + \epsilon_Y$）およびポスト非線形（PNL）モデル（$Y = f_2(f_1(X) + \epsilon_Y)$）。
2. 条件付き独立性の一致性（Conditional-Independence (CI) Consistency）: 潜在変数間の条件付き独立関係（例：$X \perp\!\!\perp Z | Y$）が、集計された変数（$\bar{X} \perp\!\!\perp \bar{Z} | \bar{Y}$）においても保持されるかどうかを調査する。

本研究では、これらの一致性が成立するための必要十分条件を導出している。分析では、線形集計（例：和、平均）と非線形集計（例：中央値、最大値）を区別している。

主要な理論的結果
本論文は、集計されたデータから因果関係が回復可能なのは、極めて限定的な条件下においてのみであることを確立している。

• 関数形式の回復: 線形集計（例：和/平均）の下で関数形式の一致性が保持されるためには、基礎となる構造方程式がアフィン（すなわち、$f(X) = \alpha X + \beta$）でなければならない。具体的には：
  • ANMの場合、関数 $f$ はアフィンでなければならない。
  • PNLの場合、$f_1$ と $f_2$ の両方がアフィンでなければならない。
  • 集計が非線形（例：中央値）である場合、アフィン関係であっても関数形式の一致性は一般に保持されない。
• 条件付き独立性の回復: 条件付き独立関係（特に連鎖構造および分岐構造において $X \perp\!\!\perp Z | Y$）が保持されるためには、基礎となる関係が線形である必要がある。非線形システムでは、集計された変数 $\bar{Y}$ で条件付けることは、$\bar{X}$ と $\bar{Z}$ の間の経路を遮断することに失敗し、真の潜在構造を損なう偽の依存性を生じさせる。

実証的評価
著者らは、以下の2段階を通じてこれらの理論的知見を検証している。

1. 合成データ: 制御されたシミュレーションにより、真のモデルが線形集計とアフィン構造方程式を組み合わせたものである場合にのみ、因果発見手法（関数ベースおよび制約ベースの両方）が高い精度を維持することが確認された。非線形関数や非線形集計が導入されると、因果の方向および条件付き独立性を回復する精度が著しく低下する。
2. 実世界のデータ: 著者らは、4つのバルク遺伝子発現データセット（マイクロアレイ2種、RNA-seq 2種）と4つのシングルセルデータセットを分析した。また、ペアごとの遺伝子制御関数の線形性を評価するために、以下の統計的診断を用いている：
   • 逆有効自由度（1/edf）: データの適合に必要な柔軟性を測定するために、一般化加法モデル（GAM）から導出される。
   • 信号重み付き線形性スコア（Signal-Weighted Linearity Score）: 推定されたペア関数が、その最良のアフィン近似からどの程度逸脱しているかを測定する。

結果として、バルクおよびシングルセルの両方のデータにおいて、推定されたペアごとの制御関数は線形性から大きく逸脱していることが示された。バルク集計は、シングルセルデータと比較して見かけ上の線形性を高める平滑化効果をもたらすが、理論的な回復に必要とされるアフィン関係の仮定は、実証的な証拠によって支持されていない。

意義および主張
本論文は、強力な追加的仮定なしには、集計されたバルク発現データから因果関係を回復することは一般に不可能であると結論付けている。理論的な回復条件（線形集計とアフィン構造方程式の組み合わせ）は、実際のトランスクリプトームデータにおいては極めて稀であり、そこでの遺伝子間相互作用は主に非線形であるためである。

著者らは、バルクの発現プロファイルのみから導き出された因果関係の主張を、基礎となる細胞レベルの因果メカニズムの直接的な反映として解釈することに対して警告を発している。彼らは、分野としてバルクデータの因果発見における根本的な限界を認識すべきであり、信頼できる回復には、バルクデータだけに頼るのではなく、摂動データ、時系列測定、またはシングルセルのリファレンスといった補助的な情報が必要であると主張している。本研究は、集計されたバルクコホートから何が推論可能であり、何が不可能であるかについての原理的な境界を提供している。