基因调控关系的大规模局部因果推断

基因调控网络在控制生物体的生物过程中起着关键作用，这正是人们大力开发能够从高通量遗传数据中提取其结构的计算方法的原因。许多此类计算方法旨在从基因表达数据中推断基因之间的个体调控关系。我们提出一种新颖高效的贝叶斯方法，用于发现三元组（正态分布）变量之间的局部因果关系。在我们的方法中，我们一次性对每个三元组的协方差结构进行评分，并将可用的背景知识以先验的形式纳入，以推导局部因果结构的后验概率。我们的方法具有灵活性，允许不同类型的因果结构和假设。我们将该方法应用于学习基因间因果调控关系的任务。我们表明，所提出的算法在局部因果结构上产生稳定且保守的后验概率估计，可用于导出最有意义的调控关系的诚实排序。我们在模拟数据以及来自酵母实验的真实世界数据上展示了我们方法的稳定性和有效性。