科學?進展：通過Knockoff操作量化干預性因果關系

摘要

在復雜生物系統中，從觀測數據中推斷變量間的干預性直接因果關系對于揭示調控機制至關重要，但仍是計算生物學中的核心挑戰。本文提出 KOCMI（Knockoff Conditional Mutual Information）——一種無需先驗網絡結構知識即可量化干預因果效應的新方法，適用于獨立樣本或時間序列數據。KOCMI對變量進行反向操作作為其虛擬干預，保留原始網絡結構，然后通過估計干預前后分布的不變性來識別兩個變量之間的因果關系。文章表明，在算法上，即使對于具有環路的網絡，KOCMI也可能量化因果關系；在理論上，雖然沒有網絡結構的前提條件，但是結果與do-calculus因果分析一致。KOCMI在基準和真實數據集上的表現優于現有方法。總體而言，KOCMI為推斷干預因果關系提供了一種強有力的工具，在理論和實驗上都得到了驗證。

在測量變量之間進行因果推斷對于理解復雜生物過程在網絡層面上的潛在機制至關重要，但在計算生物學中仍然具有挑戰性。我們提出了一種創新的因果標準，KOCMI（knockoff conditional mutual information），以準確推斷無需先前網絡結構知識的干預直接因果關系，適用于時間獨立或時間序列數據。KOCMI對變量進行反向操作作為其虛擬干預，保留原始網絡結構，然后通過估計干預前后分布的不變性來識別兩個變量之間的因果關系。文章表明，算法上，KOCMI使得因果關系的量化成為可能，即使對于具有環路的網絡，理論上，它也與do-calculus因果分析一致，但沒有網絡結構的前提條件。KOCMI在基準和真實數據集上的表現優于現有方法。總體而言，KOCMI為推斷干預因果關系提供了一種強有力的工具，其理論得到保證，并通過真實干預數據進行實驗驗證。

關鍵詞：Knockoff操作（Knockoff Operation），分布不變性（Distribution Invariance），因果推斷 (Causal Inference)，虛擬干預 (Virtual Intervention)，條件互信息 (Conditional Mutual Information)，基因調控網絡（Gene Regulatory Network, GRN），干預性因果關系（Interventional Causality）

Lynne丨作者

趙思怡丨審校

論文題目：Quantifying interventional causality by knockoff operation 論文鏈接：https://www.science.org/doi/full/10.1126/sciadv.adu6464 發表時間：2025年10月1日 論文來源：Science Advances 相關代碼鏈接：https://github.com/ZhangXinyan2023/KOCMI

引言：從“相關”到“因果”的鴻溝

在生物學、醫學乃至經濟學等領域，我們觀測到海量的數據。傳統的分析方法，無論是基于相關性還是回歸模型，大多只能告訴我們變量之間“有關聯”，但這遠不等于“有因果”。正如著名哲學家朱迪亞·珀爾（Judea Pearl）所闡述的結構因果模型框架，關聯（Association）只是第一層，而我們真正渴望理解并能夠指導干預的，是第二層——干預（Intervention）。例如，知道基因A的表達與疾病B相關，并不代表敲除基因A就能治療B，后者需要確切的因果證據。

現有的干預性因果推斷方法，如基于“do-calculus”的因果圖模型，依賴于網絡結構的先驗知識，極大地限制了在真實生物網絡中的適用性。此外，許多方法僅適用于無環網絡，難以適配現實問題。

KOCMI的破局之道：一場精巧的“替身”實驗

為了解決上述難題，作者提出了一個創新方法：基于Knockoff條件互信息的因果推斷框架。此方法無需網絡結構的先驗知識，即可基于獨立時間數據或時間序列數據識別變量對之間的干預性直接因果關系。

那么，KOCMI是如何實現這一看似不可能的任務的呢？其核心思想可以類比為一場在計算機中進行的、無需動用真實實驗資源的“替身”實驗。

想象一下，我們想研究變量X是否直接導致Y發生變化。在現實世界中，嚴格的科學實驗需要直接干預X，然后觀察Y的變化。KOCMI的巧妙之處在于，它通過對變量執行“Knockoff操作”生成一個完美的“替身”——變量X的Knockoff變量（記為），以此作為虛擬干預，無需實際實驗即可保留原始網絡結構（圖 1A）。

這個“替身”具有兩個關鍵特性：

第一，它自身與原始變量X服從相同分布；

第二，它與網絡中除Y之外的所有其他變量保持著與X完全相同的關聯關系。

這就好比為X制作了一個“全息投影”，這個投影在除目標Y之外的所有維度上都與本體一模一樣。

接著，KOCMI進行核心的因果檢驗：分布不變性檢驗。它比較的是，在給定其他所有變量Z的條件下，Y在“面對”原始X時的分布，即P(Y|X,Z)，與Y在“面對”替身時的分布，即P(Y|,Z)，是否發生了顯著變化（圖 1B）。

• 如果分布不變：意味著即使把X偷偷換成了它的替身，Y的行為模式也絲毫沒有改變，這說明兩者不存在因果關系。

• 如果分布改變：意味著替身X?擾動了Y的分布，兩者存在因果關系。

從概念上講，構建Knockoff變量的核心邏輯是：在保持Knockoff變量與其他所有變量相關性不變的前提下，最大化其與原始變量的差異。

圖1. KOCMI 框架。 (A) 針對 X 的Knockoff干預以研究 X → Y：為因變量 X 生成一個Knockoff變量。 (B) 使用分布不變性作為因果推斷的標準：如果干預后結果/效應變量的條件分布發生變化，則存在因果關系；如果條件分布保持不變，則不存在因果關系。 (C) KOCMI 的計算框架。

從思想到算法：量化因果強度的三步走

作者將KOCMI這一思想轉化為可計算的穩健算法，主要包含三個步驟（圖 1C）：

1. 制造“替身”：基于觀測數據，利用GhostKnockoff等方法，為因變量X生成Knockoff副本，這些副本集體充當了虛擬干預的樣本。

2. 計算“因果信號”：分別計算原始X與其Knockoff副本在給定其他變量Z的條件下，與果變量Y的條件互信息的差值：D = CMI(,Y|Z) - CMI(X,Y|Z)。

3. 統計檢驗與量化：由于生成了多個Knockoff，可以得到D值的一個分布。通過非參數的置換檢驗，來判斷D值是否顯著地不等于零。同時，為了量化因果關系的強弱，作者定義了因果強度cs，即D值的絕對值除以其標準差。這不僅給出了一個“是/否”的因果結論，更提供了一個可比較的因果效應大小指標。

性能驗證：在“考場”中脫穎而出

任何新方法的提出，都必須經過嚴格的基準測試。作者將KOCMI與七種當前主流的網絡推斷方法（GENIE3、nonlinear-ODE、GENIMS、CLR、ARACNE、TIGRESS、NIMEFI）在多種模擬和真實數據集上（the SOS DNA repair network in Escherichiacoli、the human HeLa data）進行了全面比拼。

在模擬的五種經典因果場景中（cascade, fan-out, sequential, fan-in, loop）（圖 2A），KOCMI在絕大多數情況下都取得了最高的AUROC和AUPR值，并且在數據噪聲增大時依然保持穩健（圖 2B）。KOCMI也是少數能夠有效處理含環結構網絡的方法（圖 2C）。

在著名的IRMA基因網絡（圖 2D）、大腸桿菌SOS DNA修復網絡（圖 2E）、人類HeLa細胞周期數據（圖 2F），以及DREAM3和DREAM4挑戰賽數據集（圖 3）上，KOCMI的表現都很好，在捕捉真實調控關系方面表現比較突出。

圖2. 在基準數據集上的性能。 (A) 三個變量之間的五種因果場景。 (B) 在噪聲水平增加的模擬案例中，不同方法的表現。 (C) 在五個中等噪聲水平案例中，不同方法的 AUROC 和 AUPR 的乘積。 (D 和 E) 不同方法在 IRMA 數據集和 SOS DNA 修復數據集上的表現。 (F) 不同方法在人體 HeLa 細胞數據集上的表現。

圖3. 不同方法在 DREAM3 和 DREAM4 計算機網絡挑戰數據集上的表現。 (A) 不同方法在 DREAM3 和 DREAM4 挑戰中每個網絡的表現。 (B) 不同方法在軌跡數據和穩定數據上的平均表現。 (C) 不同方法在 DREAM3 和 DREAM4 上的綜合表現。 (D) DREAM4 網絡 1 的真實網絡及由 KOCMI、TIGRESS 和 NIMEFI 重建的網絡。

實戰應用：從皮膚菌群到癌癥基因的因果發現

理論的優越性最終要體現在解決實際問題的能力上。KOCMI在多個生物學前沿領域展現了其強大的應用潛力。

• 皮膚微生態：通過分析數百份額頭樣本和面頰樣本（圖 4A），KOCMI揭示了特定微生物門類與皮膚生理指標之間的因果聯系。置換檢驗結果顯示，經表皮水分流失（TEWL）、皮脂（Hydration）、pH 值和卟啉（Porphyrin）等皮膚生理指標在額頭和面頰部位存在顯著差異（P<0.05）（圖 4B），這種差異可能由微生物組差異引起，也可能導致微生物組差異。此外，作者分別推斷額頭和面頰部位微生物群對皮膚生理指標的因果調控關系，并通過皮爾遜相關系數（PCC）判斷因果關系的正負性（圖 4C）。研究發現，放線菌門對多個皮膚指標有正向因果效應，而擬桿菌門則對經皮水分流失等有負向影響，這些發現與已知的皮膚菌群功能高度吻合。

圖4. 使用宏基因組數據和乳腺癌數據對 KOCMI 的驗證。 (A) 共收集并測量265個額頭樣本和277個頰部樣本，以研究皮膚微生物組和皮膚生理指標。 (B) 頰部與額頭之間的皮膚生理指標差異。 (C) KOCMI 從微生物群落到皮膚生理指標識別的因果關系。 (D) 使用乳腺癌數據重建的網絡的子網絡。（E、F）針對核心基因及其共有的上游基因進行的藥物富集分析和京都基因與基因組百科全書（KEGG）通路富集分析。注：NF-κB 為核因子 κB，PI3K 為磷脂酰肌醇 3 - 激酶。

• 癌癥關鍵基因：在乳腺癌和肝癌數據中，KOCMI識別調控關系，重構了基因調控網絡，篩選出度值最高的 6 個核心基因（圖 4D）。對這些基因及其網絡進行的富集分析（圖 4E、F），基于分析篩選出10種潛在藥物，其中 4 種藥物已被證實具有治療乳腺癌的潛力或已用于乳腺癌耐藥性研究。

• 糖尿病干預驗證：最有力的證據來自于對真實干預數據的分析（圖 5）。作者利用胃旁路（RYGB）手術前后糖尿病患者的時序蛋白質組數據，讓KOCMI進行“虛擬干預”來尋找與血糖、膽固醇有因果關系的蛋白質。結果發現，那些被KOCMI判定為“正調控”血糖的蛋白質，在手術后隨著血糖的降低，其表達量也真實地下降了；而被判定為“負調控”的蛋白質，其表達量則隨之上升。虛擬干預得出的因果預測，與真實手術干預的觀測結果高度一致，強有力地證明了KOCMI在識別真實干預性因果關系上的準確性與可靠性。

圖5. KOCMI 在糖尿病中識別干預因果關系。 (A) KOCMI 識別的與葡萄糖相關的因果蛋白及基因本體 (GO) 富集分析。 (B) KOCMI 識別的蛋白在 DO 組與 NO 組之間的表達差異。 (C) 實際外科干預后蛋白表達的變化與 KOCMI 識別的對葡萄糖的調節關系一致。 (D) 由具有顯著度差異的蛋白組成的調節網絡。

討論與展望：機遇與挑戰并存

KOCMI的成功在于它利用Knockoff操作，在理論上與經典的do-calculus框架貫通一致的同時，擺脫了其對先驗知識的依賴。它適用于穩態和時序數據，能處理循環網絡，且在高維和低維場景下均有效。

當然，沒有完美的方法。KOCMI目前的有效性依賴于“無未觀測混雜因子”的假設。隨著網絡規模的擴大，其計算復雜度也會增加。未來，作者計劃探索在存在未測量混雜因子情況下的穩健算法，利用深度學習框架生成更精確的Knockoff，并將方法擴展到識別“多因一果”的復雜高階因果關系。

因果表征學習讀書會

隨著“因果革命”在人工智能與大數據領域徐徐展開，作為連接因果科學與深度學習橋梁的因果表征學習，成為備受關注的前沿方向。以往的深度表征學習在數據降維中保留信息并過濾噪音，新興的因果科學則形成了因果推理與發現的一系列方法。隨著二者結合，因果表征學習有望催生更強大的新一代AI。

集智俱樂部組織以“因果表征學習”為主題、為期十周的讀書會，聚焦因果科學相關問題，共學共研相關文獻。歡迎從事因果科學、人工智能與復雜系統等相關研究領域，或對因果表征學習的理論與應用感興趣的各界朋友報名參與。集智俱樂部已經組織三季“因果科學”讀書會，形成了超過千人的因果科學社區，是其第四季，現在加入讀書會即可參與因果社區各類線上線下交流合作。讀書會已完結，現在報名可加入社群并解鎖回放視頻權限。

詳情請見：

1.

2.

3.

4.

5.

6.