기술 요약: 확장된 팩터 그래프의 아모티제이션된 베이지안 인과 발견 (ABCDEFG)

문제 정의

중재 데이터(interventional data)로부터 인과 그래프를 학습하는 것은 분자 생물학과 같은 도메인에서 대규모 섭동 데이터로부터 유전자 조절 네트워크를 밝혀내는 데 있어 매우 중요한 과제입니다. 기존 방법론들은 일반적으로 다음 세 가지 요구사항을 동시에 충족하지 못하는 "트릴레마(trilemma)"에 직면해 있습니다:

1. 확장성(Scalability): 수천 개의 노드(예: 20,000개 이상의 유전자)와 수백만 개의 샘플을 처리할 수 있어야 함.
2. 중재 처리(Intervention Handling): 특정 타겟이 알려지지 않은 경우(예: 약물 처치)에도 중재를 포함할 수 있어야 함.
3. 불확실성 정량화(Uncertainty Quantification): 노이즈가 많은 생물학적 데이터에서 필수적인 사후 분포를 제공하여 불확실성을 정량화할 수 있어야 함.

기존의 스코어 기반 방법들은 종종 불확실성 정량화가 부족하고 알려지지 않은 중재 타겟을 다루는 데 어려움을 겪으며, 근사 베이지안 방법들은 현대의 싱글 셀 데이터 크기에 맞춰 확장하는 데 일반적으로 실패합니다. 또한, 많은 기존 접근 방식은 무방향성을 보장하지 않거나 복구된 그래프에 대한 강력한 식별성(identifiability) 보장을 제공하지 못합니다.

방법론: ABCDEFG

저자들은 변분 추론(variational inference)과 새로운 그래프 표현법을 결합하여 앞서 언급한 한계점들을 해결하는 확장된 팩터 그래프의 아모티제이션된 베이지안 인과 발견(ABCDEFG) 프레임워크를 제안합니다.

1. 확장된 팩터 그래프 (f-DAGs)

핵심 혁신은 **확장된 팩터 방향성 비순환 그래프(f-DAGs)**를 사용하여 인과 구조를 표현하는 것입니다.

• 구조: f-DAG는 변수 노드($V$), 팩터 노드($F$), 그리고 변수와 팩터 사이의 에지만을 갖는 에지로 구성됩니다. 이 구조를 통해 인과 DAG의 인접 행렬을 불리언 인수분해(Boolean factorization, $A = UV$)로 볼 수 있으며, 이는 전체 인과 DAG에 대한 저계수 근사(low-rank approximation) 역할을 합니다.
• 알려지지 않은 타겟을 위한 확장: 알려지지 않은 중재 타겟을 처리하기 위해, 저자들은 중재 노드($\Xi$)를 팩터 노드에 연결하는 확장된 f-DAG를 도입했습니다. 이를 통해 모델은 구체적인 하위 유전자 타겟을 사전에 알지 못하더라도 어떤 팩터가 중재에 의해 영향을 받는지 학습할 수 있습니다.
• 무방향성 보장: NOTEARS와 같은 미분 가능한 인과 발견 방법들이 무방향성을 강제하기 위해 페널티 항을 사용하는 것과 달리, ABCDEFG는 구조적으로 무방향성을 보장하도록 구축됩니다. 이는 팩터들의 총 순서(total order)를 설정하고, 이 순서에 의해 정의된 파티션 안에 노드와 중-재를 삽입함으로써 달성됩니다.

2. 생성 모델 및 변분 추론

이 방법은 인과 그래프에 대한 사후 분포 $q(G; \Lambda)$를 추정하기 위해 베이지안 프레임워크를 채택합니다.

• 파라미터 모델: 변분 분포 $q(G; \Lambda)$는 독립적인 베르누이 랜덤 변수(Gumbel-Softmax를 통해) 또는 **합-곱 네트워크(Sum-Product Network, SPN)**를 사용하여 파라미터화됩니다. SPN은 에지 확률에 대한 복잡하고 상관된 결합 분포를 모델링할 수 있게 해주며, 이는 에지 독립성을 가정하는 방법론들과 차별화되는 특징입니다.
• **아모티제이션된 추론(Amortized Inference): 이는 VAE(Variational Autoencoder) 아키텍처를 활용합니다. 각 변수에 대해 별도의 인코더/디코더를 학습하는 대신, 단일 피드포워드 신경망을 사용하여 조건부 분포를 아모티제이션합니다. 인과 관계는 샘플링된 노드-대-팩터($U$), 팩터-대-노드($V$), 그리고 중재-대-팩터($W$) 행렬을 사용하는 마스킹 연산(Hadamard product)을 통해 주입됩니다.
• 목적 함수: 방법론은 데이터의 중재 모델 하에서의 가능도(likelihood)와 사전 분포로부터의 KL 발산(KL divergence) 사이의 균형을 맞추는 증거 하한(ELBO)을 최적화합니다. 목적 함수는 다음과 같습니다:
  $$\mathcal{L}(q) = \sum_{k=1}^{n_I} \mathbb{E}_{p^{(k)}(X|G^*)} \left[ \mathbb{E}_{q(G;\Lambda)} [\log p^{(k)}_\Phi(X|G)] \right] - \text{KL}(q(G;\Lambda) || p(G))$$

3. 식별성 보장 (Identifiability Guarantees)

본 논문은 복구된 인과 그래프에 대한 이론적 보장을 제공합니다.

• I-Markov 동등성: 저자들은 최대 사후 확률(MAP) 추정치가 실제 인과 DAG와 **I-Markov 동등(I-Markov equivalent)**함을 증명합니다. 이는 이 방법이 중재 집합에 의해 정의된 동등 클래스 내에서 실제 그래프를 복구함을 의미합니다.
• f-DAG 식별성: 특정 구조적 조건(예: 충분한 v-structure 및 팩터에 대한 고유한 부모/자식 관계) 하에서, 이 방법은 기초적인 f-DAG(및 그 인수분해)가 팩터의 순열(permutation)을 제외하고 식별 가능함을 보장합니다.

주요 기여

1. 새로운 파라미터 모델: 알려진 타겟과 알려지지 않은 타겟을 명시적으로 모델링하는 무방향 확장 팩터 그래프를 생성하는 생성 프로세스를 도입했습니다.
2. 변분 프레임워크: 대규모 그래프로 확장 가능하면서도 알려진 타겟과 알려지지 않은 타겟을 모두 처리할 수 있는 변분 베이지안 인과 발견 프레임워크를 개발했습니다.
3. 상관된 에지 모델링: 독립적인 에지 가정을 넘어, 인과 에지에 대한 복잡한 결합 분포를 모델링하기 위해 합-곱 네트워크(SPN)를 통합했습니다.
4. 이론적 보장: MAP 추정치가 I-Markov 동등 클래스까지 실제 인과 그래프를 복구한다는 점과, 기초적인 f-DAG가 식별 가능한 조건들을 증명했습니다.
5. 실증적 검증: 시뮬레이션 데이터셋과 실제 싱글 셀 섭동 스크린 데이터에서 최첨단 성능을 입증했습니다.

실험 결과

시뮬레이션 연구

저자들은 선형/비선형 효과, 독립/결합 에지 확률, 그리고 하드/소프트 중재를 포함하는 24개의 시뮬레이션 데이터셋에 대해 ABCDEFG를 평가했습니다.

• 성능: ABCDEFG는 특히 비선형 인과 효과와 결합된 에지 확률(SPN으로 모델링됨)이 존재하는 그래프에서 최첨단 정확도(Structural Hamming Distance 및 F1 score로 측정)를 달성했습니다.
• 알려지지 않은 타겟: 알려지지 않은 중재 타겟이 있는 시나리오에서, ABCDEFG는 인과 그래프와 중재 타겟을 모두 성공적으로 추론하였으며, 이를 수행하지 못하거나 확장성에 실패한 기존 방법론들을 능가했습니다.
• 베이지안 비교: 다른 베이지안 방법들(BaCaDi, DECI, ProDAG)과 비교했을 때, ABCDEFG는 더 우수한 F1 score와 더 낮은 SHD를 보여주었으며, 더 잘 보정된 사후 분포를 제공했습니다. 또한 다른 베이지안 접근 방식보다 현저히 빨랐습니다.

실제 적용

이 방법은 34,469개의 유전자와 14개의 성장 인자 조합(46가지 조합)으로 처리된 31,475개의 세포를 포함하는 대규모 싱글 셀 섭동 스크린에 적용되었습니다.

• 유전자 조절 네트워크: ABCDEFG는 성장 인자의 알려진 및 새로운 유전자 타겟을 성공적으로 식별했습니다.
• 타겟 재현율(Recall): 이 방법은 성장 인자-대-유전자 상호작용에 대해 0.325(Basic) 및 0.376(SPN)의 재현율을 달est했으며, 이는 무작위 베이스라인(0.196)을 크게 상회하는 수치입니다.
• 데이터 재구성: 홀드아웃(held-out) 중재 조합에 대해, ABCDEFG는 DCDFG 및 SDCD에 비해 더 낮은 평균 제곱 오차(MSE)를 기록하며 데이터 재구성 성능을 보였습니다.

의의 및 주장

본 논문은 ABCDEFG가 알려지지 않은 타겟을 포함한 중재 데이터로부터 확장 가능하고 불확실성을 고려하는 베이지안 추론을 가능하게 함으로써 인과 발견의 핵심적인 공백을 메운다고 주장합니다.

• 확장성: 이 방법은 수천 개의 노드를 가진 그래프(시뮬레이션에서 최대 1,000개 노드, 실제 데이터에서 1,000개의 고변이 유전자)로 확장 가능하며, 이는 기존 베이지안 접근 방식의 한계를 극복합니다.
• 강건성: 확장된 팩터 그래프를 사용함으로써, 이 방법은 노이즈에 대한 강건성을 제공하며 SPN을 통해 복잡한 의존성을 모델링하는 구조적인 방법을 제시합니다.
• 실용적 유용성: 싱글 셀 데이터에 대한 적용은 ABCDEFG가 생물학적으로 의미 있는 유전자 조절 네트워크와 섭동 타겟을 복구할 수 있음을 보여주며, 세포 발달 및 항상성을 이해하기 위한 도구를 제공합니다.

저자들은 본 연구의 한계점으로, 유전자 조절 네트워크(순환을 포함할 수 있음)에서 무방향성 가정이 성립하지 않을 수 있다는 점과, 매우 높은 계수를 가진 실제 그래프에서는 저계수 f-DAG 근사가 불충분할 수 있다는 점을 언급했습니다. 그러나 이들은 이 프레임워크가 제한된 데이터 환경 및 더 복잡한 생물학적 시스템으로의 확장을 위한 유망한 토대를 제공한다고 주장합니다.