CauTrigger：分层因果模型解析状态转变

CauTrigger 是一个分层深度潜变量模型，整合 do-calculus 来识别潜在的因果触发因素，并预测跨多个调控层的扰动结果。研究指出，生物系统存在复杂的多层调控，而观察性数据中的混杂因素会产生虚假关联，因此识别状态转变背后的因果结构仍然困难。CauTrigger 通过分离因果潜因子与虚假潜因子，递归重建底层调控层级，从而支持从观察性数据中进行可解释推理。在具有多层调控结构的合成数据集和真实数据集上，该方法在识别因果触发因素和预测系统级响应方面优于现有方法。

研究团队开发了 CauTrigger，用于从组学数据中识别生物状态转变背后的因果机制。该方法把状态转变视为分层因果级联而非孤立的分子变化，从而将因果信号与虚假变异区分开。CauTrigger 可对潜在上游触发因素排序、预测扰动响应，并帮助把组学测量转化为可检验的机制假设。