因果扰动建模的生成干预模型

本研究解决了通过因果模型预测扰动效应的问题，识别系统中哪些机制受到外部扰动的影响仍是尚未解决的挑战。提出的生成干预模型（GIM）能够学习扰动特征与原子干预分布之间的映射，从而在未知扰动特征的情况下预测分布变化，并深入理解其在数据生成过程中的机制效应。实验表明，GIM在合成数据和scRNA-seq药物扰动数据上表现出色，能够有效推断扰动机制，超越其他因果推断方法。