研究人员已为将基因有效分组为模块并理解它们之间因果关系的方法奠定了理论基础。这种创新的方法为研究疾病机制和发现新的药物靶点提供了潜力。
通过对基因表达变化的研究，研究人员获得了细胞分子功能的见解，这可能有助于理解某些疾病是如何发展的。
人类基因组中大约有20,000个基因，相互之间以复杂的方式相互影响，确定要针对哪些基因组是一个重大挑战。此外，这些基因在相互调控的模块中运作。
麻省理工学院的研究人员设计了理论基础，开发可以确定基因以相关组群聚类的最有效方法，从而更好地理解众多基因之间的基本因果关系。
关键是，这种新方法仅依赖于观察数据，意味着研究人员无需进行昂贵或不切实际的干预实验来收集推断因果关系所需的数据。
最终，这一技术可能帮助科学家定位特定的基因靶点，以影响特定的行为，为患者提供更精确的治疗方案。
“在基因组学中，理解细胞状态背后的机制至关重要。然而，细胞具有复杂的多尺度结构，使得总结的层次同样重要。通过找出聚合观测数据的正确方式，关于系统的见解变得更加可解释和有用，”研究生张佳齐解释道，他是埃里克与温迪·施密特中心的研究员，也是详细阐述该技术的论文的共同第一作者。
张佳齐的共同第一作者是现为硕士生的瑞安·维尔奇，以及高级作者卡罗琳·乌赫勒，她是电气工程与计算机科学系（EECS）及数据、系统与社会研究所（IDSS）的教授。乌赫勒也是麻省理工学院和哈佛大学布罗德研究所埃里克与温迪·施密特中心的主任，以及麻省理工学院信息与决策系统实验室（LIDS）的研究员。该研究将在神经信息处理系统会议上进行展示。
从观察数据中学习
研究人员试图解决的挑战是学习基因的程序。这些程序说明了某些基因如何协同调控生物过程中的其他基因，例如细胞发展或分化。
由于科学家无法研究所有20,000个基因的相互影响，他们采用了一种称为因果解缠的技术，以学习如何有效组合相关的基因组，以便高效地检查因果关系。
在之前的努力中，研究人员展示了使用干预数据可以有效地实现这一目标，干预数据是通过改变网络中的变量获得的数据。
然而，进行干预实验通常成本高昂，在某些情况下，这些实验可能是不道德或技术上不可行的。
仅使用观察数据会带来挑战，因为研究人员无法比较基因在干预前后的行为，以理解基因组如何相互作用。
“大多数因果解缠的研究假设可以获取干预数据，因此不清楚仅使用观察数据可以提取多少信息，”张佳齐指出。
麻省理工学院团队创建了一种更通用的方法，利用机器学习算法准确识别和分组观察到的变量，如基因，仅基于观察数据。
这一技术使他们能够识别因果模块，重建因果机制的精确表示。“虽然我们的研究是出于澄清细胞程序的需要，但我们必须设计新的因果理论，以理解从观察数据中可以得出什么见解。在建立了这一理论基础后，我们可以将我们的发现应用于未来的遗传数据，以识别基因模块及其调控相互作用，”乌赫勒说。
层次表示
研究人员使用统计方法计算每个变量得分的雅可比矩阵的方差这一数学函数。因果变量如果不影响任何后续变量，其方差应为零。
团队以结构化的分层方式重建表示，首先删除具有零方差的底层变量。然后，他们逐层逆向这一过程，消除具有零方差的变量，以揭示哪些变量或基因组是相互连接的。
“快速定位零方差变得迅速复杂，因此开发一个高效算法来解决这一问题是一个重大挑战，”张佳齐分享道。
最终，他们的方法通过抽象化的观察数据表示，呈现出层次相互连接的变量，准确描绘了潜在的因果结构。
每个变量表示一个协同工作的基因组，而两个变量之间的连接则说明一个组如何调节另一个组。他们的方法成功概括了确定每层变量所需的所有信息。
在验证了其方法的理论有效性后，研究人员进行了模拟，证明该算法能够仅使用观察数据有效提取有意义的因果表示。
未来，研究人员希望将该方法应用于现实世界的遗传学场景。他们还打算研究在有一些干预数据可用时，该方法能如何提供额外的见解，或者帮助科学家设计有效的遗传干预方案。最终，这一方法可能使研究人员能够更高效地识别在同一程序中协同工作的基因，可能有助于发现靶向这些基因的药物，以治疗各种疾病。
