본 논문은 생물학적 시스템 변화의 원인 변수를 식별하는 방법을 제시합니다. 관찰 데이터와 개입 데이터 쌍을 사용하여 개입의 표적이 된 관찰 변수의 하위 집합을 분리하는 것을 목표로 합니다. 기존의 인과 추론 알고리즘을 직접 적용하는 데 어려움이 있는 현실적인 문제(수천 개의 변수와 적은 수의 샘플)를 해결하기 위해, 관찰 및 개입 데이터로부터 잡음이 있는 인과 그래프를 추론하고, 이 그래프 간의 차이와 추가적인 통계적 특징을 개입된 변수 집합에 매핑하는 학습 모델을 제안합니다. 모의 및 실제 데이터를 사용하여 두 모듈을 공동으로 감독 학습하고, 7개의 단일 세포 전사체 데이터 세트에서 기존 방법보다 우수한 성능을 보였습니다. 또한 다양한 합성 데이터에서 소프트 및 하드 개입 표적 예측에 대한 기존 인과 추론 방법보다 성능 향상을 보여줍니다.
