通过置换与Cholesky分解发现根本原因
统计方法学
2025-10-03 v6
摘要
本工作由以下问题驱动：我们能否在患有单基因疾病的患者中识别致病基因？该问题是根本原因发现的一个实例。具体而言，我们旨在使用一组观察性样本作为参考来识别单个干预样本中被干预的变量。我们考虑因果排序未知的线性结构方程模型。首先，我们检验一种使用平方z得分的方法，描述该方法成功与否的条件，表明其通常无法识别根本原因。随后我们在无需额外假设的情况下证明，即使因果排序未知，根本原因仍可被识别。该识别结果的两个关键要素是置换与Cholesky分解，这些方法允许我们利用跨不同置换的不变性质来发现根本原因。此外，我们 characterize 能产生成正确根本原因的置换，并据此提出有效的根本原因发现方法。我们还将该方法适用于高维情形。最后，我们通过仿真评估方法性能，并将高维方法应用于发现引发本工作动机的基因表达数据集中致病基因。
关键词
引用
@article{arxiv.2410.12151,
title = {Root cause discovery via permutations and Cholesky decomposition},
author = {Jinzhou Li and Benjamin B. Chu and Ines F. Scheller and Julien Gagneur and Marloes H. Maathuis},
journal= {arXiv preprint arXiv:2410.12151},
year = {2025}
}