📊 statistics

Amortized Bayesian Causal Discovery of Extended Factor Graphs

本文介绍了 ABCDEFG，一种可扩展的摊销贝叶斯方法，该方法保证了精确的无环性，并能处理未知的干预目标，从而在大型数据集（如基因调控网络）中准确地发现因果图并量化不确定性。

原作者： Yichen Gu, Yuxuan Song, Weizhou Qian, Yixin Wang, Joshua Welch

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Yichen Gu, Yuxuan Song, Weizhou Qian, Yixin Wang, Joshua Welch

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下你是一名试图破解一个巨大谜团的侦探：一个复杂的系统是如何运作的？在生物学的世界里，这个系统就是细胞，而“嫌疑人”是成千上万个相互交谈的基因。有时，科学家可以仅仅观察细胞自然的状态（观测数据），但为了真正理解因果关系，他们需要去“捅”它。他们可能会开启或关闭某个基因，或者添加一种药物，并观察会发生什么（干预数据）。目标是绘制一张被称为“因果图”的地图，精确地展示谁在影响谁。然而，绘制这张地图极其困难。系统规模巨大，数据充满噪声，而且有时科学家甚至不知道自己到底“捅”了哪个基因，只知道自己“捅”了某个东西。现有的方法就像是在人群中迷失方向的侦探，要么因为人太多而不知所措，要么在无法说明确定程度的情况下就开始猜测地图。

这篇论文介绍了一种名为 ABCDEFG（扩展因子图的摊销贝叶斯因果发现）的新型侦探工具。你可以把 ABCDEFG 想象成一个超级聪明、高科技的绘图师，它不仅仅是在猜测连接关系，而是构建了一张在数学上保证没有“时空穿越循环”（无环）的地图，能够同时处理数千个嫌疑人，并且在侦探没看清“捅”在哪里时，也能出色地推断出受影响的目标。它使用了一个巧妙的技巧——“扩展因子图”，这就像是将嫌疑人组织成一个个小巧、易于管理的团队（因子），从而让解谜过程变得更加简单。研究人员在模拟数据上测试了这个工具，发现它比以往的方法更准确，尤其是在关系复杂或目标未知的情况下。他们甚至将其应用于数千个细胞的真实数据，成功找到了已知的基因关系，并发现了新的关系。

侦探的困境：绘制细胞地图

要理解为什么 ABCDEFG 如此重要，让我们来看看它正在解决的问题。想象一场巨大的、混乱的派对，成千上万的人（基因）正在聊天。你想知道谁在影响谁。如果你只是站在角落听（观测数据），你可能会看到两个人在一起大笑，但你不知道是其中一人讲了个笑话，还是他们两人都听到了 DJ 发出的某种有趣声音。为了找到真相，你需要进行干预。你可能会向一个人耳语一个秘密，然后观察对话如何变化。

在生物学中，科学家通过使用“扰动”来实现这一点——比如关闭一个基因或添加一种药物。但问题在于：在真实的实验室里，你可能面对 30,000 个基因和数百万个细胞。绘制这些关系的旧方法就像是在马拉松比赛中试图徒手绘制整座城市的地图；它们会变得太慢，或者会犯错，比如画出一条回到起点的路（循环），而这在因果链中是不可能的。此外，许多方法无法处理“未知数”。如果你添加了一种药物，但不知道它首先影响了哪个基因，该怎么办？旧工具往往会因此感到困惑甚至完全失效。

ABCDEFG 的解决方案：基于团队的地图

论文作者构建了一种名为 ABCDEFG 的新方法。ABCDEFG 没有尝试在每一个基因与每一个其他基因之间画一条直接的线（这会乱成一团），而是使用了一个概念——扩展因子图。

想象基因是大型捉迷藏游戏中的玩家。与其尝试追踪每一对玩家之间的每一次“抓捕”，ABCDEFG 将玩家分组为“团队”（称为因子）。基因与这些团队互动，而团队之间也相互互动。这有点像意识到，与其说有 1 万个人在与 1 万个人交谈，不如说实际上存在 10 个不同的对话圈，人们只是在这些圈子之间跳跃。通过专注于这些“团队”，数学计算变得更加简单且快速。

名称中的“扩展”部分是处理未知情况的秘诀。当科学家添加了一种药物但不知道确切的目标时，ABCDEFG 将这种药物视为一个特殊的“干预节点”，它连接到这些团队。它不需要知道药物精确打击了哪个基因，它只需要知道药物影响了哪个“团队”。这使得系统能够在绘制基因地图的同时，推断出隐藏的目标。

它是如何工作的：“无环”保证

在因果发现中，避免循环是最头疼的问题之一。在真实的因果链中，A 导致 B，B 导致 C。但 A 不能导致 C，然后 C 又导致 A；这是一个时空悖论。许多计算机算法试图通过在意外画出循环时增加“惩罚”来修复这个问题，但这就像是在以时速 100 英里行驶时试图通过轻踩刹车来停车——通常是行不通的。

ABCDEFG 则不同。它构建地图的方式在设计上就让循环变得不可能。它将基因和团队按特定顺序组织起来，就像从下往上堆叠积木一样。你只能将积木连接到位于其下方的积木上。这意味着计算机永远不必浪费时间检查循环，因为结构本身就保证了地图是一条直线型的因果链。

结果：模拟与真实细胞

研究人员通过两种方式测试了 ABCDEFG。首先，他们创建了已知答案的虚假数据（模拟数据）。他们让 ABCDEFG 与现有的顶尖工具进行对决。在这些测试中，ABCDEFG 能够更频繁地找到正确的地图，尤其是在数据杂乱或干预目标未知的情况下。它在告诉用户其答案的确定程度方面也做得很好，这在处理带有噪声的生物数据时至关重要。

接着，他们将其应用于现实世界。他们使用了涉及 31,475 个细胞和 1,000 个基因的大规模实验数据，其中细胞接受了 46 种不同组合的生长因子（告诉细胞该做什么的分子）的处理。目标是观察哪些生长因子影响了哪些基因。ABCDEFG 成功识别了已知的关系，甚至发现了其他方法错过的关系。与其它工具相比，它在预测新、未见实验的结果方面表现得更好。

它目前还做不到的事

虽然 ABCDEFG 是一个强大的新工具，但作者也谨慎地指出了它的局限性。它假设关系形成一条没有循环的直线，但在现实生物学中，一些基因确实会形成反馈循环（即 A 影响 B，同时 B 也影响 A）。如果现实世界存在这些循环，ABCDEFG 可能无法完美捕捉。此外，该方法依赖于基因可以被分组为少量“团队”（因子）的假设。如果生物系统过于复杂，无法进行这种拆解，那么地图可能会变得有些模糊。最后，虽然数学证明了该方法在特定条件下的有效性，但作者指出，他们尚未充分探索在数据极度匮乏时该方法的表现。

简而言之，ABCDEFG 是科学家试图绘制复杂生命机器图谱的一个重大进步。它提供了一种处理海量数据集、应对未知目标并绘制清晰、无环的基因影响图谱的方法，同时还能告诉我们对其结果的信心程度。它不是一个能解决所有生物学谜团的魔杖，但它是侦探工具箱中一把非常锋利的新型工具。

技术摘要：扩展因子图的摊销贝叶斯因果发现 (ABCDEFG)

问题陈述

从干预数据中学习因果图是领域中的一个关键挑战，特别是在通过大规模扰动数据揭示基因调控网络等分子生物学领域。现有方法面临着一个“三难困境”（trilemma），即它们通常无法同时满足以下三个要求：

可扩展性： 处理数千个节点（例如 >20,000 个基因）和数百万个样本。
干预处理： 即使在干预目标未知的情况下（例如药物治疗），也能纳入干预因素。
不确定性量化： 提供后验分布以量化不确定性，这对于噪声较大的生物学数据至关重要。

目前的基于评分的方法通常缺乏不确定性量化能力，且难以处理未知的干预目标；而近似贝叶斯方法通常无法扩展到现代单细胞数据集的大小。此外，许多现有方法无法保证无环性（acyclicity），也无法提供强识别性（identifiability）保证。

方法论：ABCDEFG

作者提出了扩展因子图的摊销贝元因果发现 (ABCDEFG)，该框架结合了变分推理与一种新型图表示方法，旨在解决上述局限性。

1. 扩展因子图 (f-DAGs)

其核心创新在于使用扩展因子有向无环图 (f-DAGs) 来表示因果结构。

结构： 一个 f-DAG 由变量节点 ( $V$ )、因子节点 ( $F$ ) 以及仅存在于变量与因子之间的边组成。这种结构允许将因果图的邻接矩阵视为一种布尔分解 ($A = UV$)，实际上是完整因果 DAG 的低秩近似。
针对未知目标的扩展： 为了处理未知的干预目标，作者引入了扩展 f-DAGs，其中包括连接到因子节点的干预节点 ( $\Xi$ )。这使得模型能够学习哪些因子受到干预的影响，而无需预先知道具体的下游基因目标。
无环性保证： 与使用惩罚项来强制执行无环性的可微因果发现方法（如 NOTEARS）不同，ABCDEFG 构建的图在构造上即为无环。这是通过建立因子的全序关系，并将节点和干预插入到由该顺序定义的划分中来实现的。

2. 生成模型与变分推理

该方法采用贝叶斯框架来估计因果图的后验分布 $q(G; \Lambda)$ 。

参数化模型： 变分分布 $q(G; \Lambda)$ 使用独立伯努利随机变量（通过 Gumbel-Softmax）或和积网络 (Sum-Product Network, SPN) 进行参数化。SPN 允许对边概率进行复杂的相关联合分布建模，这是假设边独立的模型所缺乏的特性。
摊销推理： 该框架利用变分自编码器 (VAE) 架构。它不是为每个变量学习单独的编码器/解码器，而是使用单个前馈神经网络来摊销条件分布。通过使用采样得到的节点到因子 ( $U$ )、因子到节点 ( $V$ ) 以及干预到因子 ( $W$ ) 矩阵的掩码操作（Hadamard 积）来注入因果关系。
目标函数： 该方法优化证据下界 (ELBO)，该目标函数平衡了干预模型下数据的似然度与来自先验的 KL 散度。目标函数为：
$\mathcal{L}(q) = \sum_{k=1}^{n_I} \mathbb{E}_{p^{(k)}(X|G^*)} \left[ \mathbb{E}_{q(G;\Lambda)} [\log p^{(k)}_\Phi(X|G)] \right] - \text{KL}(q(G;\Lambda) || p(G))$

3. 识别性保证

论文提供了关于恢复图的识别性理论保证：

I-Markov 等价性： 作者证明了因果图的最大后验概率 (MAP) 估计量与真实的因果 DAG 是 I-Markov 等价的。这意味着该方法恢复的图在由干预集定义的等价类内是真实的。
f-DAG 识别性： 在特定结构条件（例如足够的 v-结构以及因子具有唯一的父/子关系）下，该方法保证了底层的 f-DAG（以及相应的分解）在因子置换意义下是可识别的。

核心贡献

新型参数化模型： 引入了一种用于采样无环扩展因子图的生成过程，该过程显式地对干预节点和未知目标进行建模。
变分框架： 开发了一种变分贝叶斯因果发现方法，能够处理已知和未知干预目标的同时，实现大规模图的可扩展性。
相关边建模： 集成了和积网络 (SPNs) 来建模因果边的复杂联合分布，超越了假设独立边的局限。
理论保证： 证明了 MAP 估计能恢复真实的因果图（至多在 I-Markov 等价类内），并给出了底层 f-DAG 可识别的条件。
实证验证： 在模拟数据集和真实世界单细胞扰动筛选实验中展示了最先进的性能。

实验结果

模拟研究

作者在涉及线性/非线性效应、独立/联合边概率以及硬/软干预的 24 个模拟数据集上评估了 ABCDEFG。

性能： ABCDEFG 取得了最先进的准确率（通过结构汉明距离 (SHD) 和 F1 分数衡量），特别是在具有非线性因果效应和联合分布边概率（由 SPN 建模）的图中。
未知目标： 在未知干预目标的情景下，ABCDEFG 成功推断出了因果图和干预目标，表现优于那些无法处理未知目标或无法扩展规模的方法。
贝叶斯对比： 与其他贝叶斯方法（BaCaDi, DECI, ProDAG）相比，ABCDEFG 展示了更高的 F1 分数和更低的 SHD，同时提供了更好的校准后验分布。此外，它的运行速度明显快于其他贝叶斯方法。

实际应用

该方法被应用于包含 34,469 个基因和 31,475 个细胞（接受 46 种生长因子组合处理）的大规模单细胞扰动筛选实验。

基因调控网络： ABCDEFG 成功识别了生长因子的已知及新颖基因目标。
目标召回率： 在生长因子到基因的相互作用方面，该方法实现了 0.325（Basic 版）和 0.376（SPN 版）的召回率，显著高于随机基准线（0.196）。
数据重建： 在留出的干预组合上，ABCDEFG 的数据重建均方误差 (MSE) 低于 DCDFG 和 SDCD。

意义与主张

论文声称 ABCDEFG 通过实现可扩展、具备不确定性感知能力的贝叶斯推理，填补了从具有未知目标的干预数据中进行因果发现的关键空白。

可扩展性： 该方法可扩展至包含数千个节点的图（在模拟中达到 1,000 个节点，在真实数据中达到 1,000 个高变基因），克服了以往贝叶斯方法的局限性。
鲁棒性： 通过使用扩展因子图，该方法对噪声具有鲁棒性，并提供了一种通过 SPN 建模复杂依赖关系的结构化方式。
实际效用： 在单细胞数据上的应用证明了该方法能够恢复具有生物学意义的基因调控网络和扰动目标，为理解细胞发育和稳态提供了工具。

作者承认存在局限性，指出无环假设可能并不适用于所有基因调控网络（这些网络可能包含环路），且低秩 f-DAG 近似可能不足以处理极高秩的真实图。然而，他们认为该框架为未来扩展到有限数据机制和更复杂的生物系统提供了有前景的基础。