본 연구는 생물학적 시스템의 복잡성을 이해하기 위해 중요한 생물학적 네트워크 추론에 초점을 맞춥니다. 특히, 피드백 루프가 존재하는 생물학적 네트워크에서 인과 관계를 추론하기 위해 SCALD (Structural CAusal model for Loop Diagram)라는 새로운 프레임워크를 제안합니다. SCALD는 비선형 구조 방정식 모델과 안정적인 피드백 루프 조건 제약을 사용하여 인과적 조절 관계를 추론하며, 기존 방법의 한계를 극복합니다. SCALD는 전사 조절 네트워크 및 신호 전달 네트워크 추론에서 기존 방법을 능가하며, 피드백 조절 식별에 특화된 강점을 보입니다. 전사 인자 (TF) 섭동 데이터 분석을 통해 정확성과 민감도를 검증하고, ChIP-seq 데이터를 통해 새로운 조절 관계를 발견했습니다. 또한, SCALD를 활용하여 대장 염증에서 암으로의 전환을 촉진하는 주요 유전자들을 추론했습니다.
