带干预的基于置换的因果推断算法
统计方法学
2018-04-05 v2 应用统计
摘要
由于近期基因组学技术发展在大规模下生成此类单细胞基因表达数据，利用观测数据与干预数据学习有向无环图现已成为一个根本性的重要问题。为了利用这些数据学习基因调控网络，需要高效且可靠的因果推断算法，这些算法能够同时利用观测数据与干预数据。在本文中，我们提出了两种此类算法，并证明了在忠实性假设下两者均具有一致性。这些算法是 Greedy SP 算法的干预适应性改进，也是首批同时使用观测数据与干预数据并具有一致性保证的算法。此外，这些算法具有非参数的优势，这使其同样适用于分析非高斯数据。在本文中，我们介绍了这两种算法及其一致性保证，并分析了它们在模拟数据、蛋白质信号数据与单细胞基因表达数据上的性能。
引用
@article{arxiv.1705.10220,
title = {Permutation-based Causal Inference Algorithms with Interventions},
author = {Yuhao Wang and Liam Solus and Karren Dai Yang and Caroline Uhler},
journal= {arXiv preprint arXiv:1705.10220},
year = {2018}
}