Modern biological research generates data at multiple molecular levels simultaneously: genomics (DNA sequence variants), transcriptomics (gene expression), proteomics (protein abundance), metabolomics (metabolite concentrations), and epigenomics (DNA methylation, histone modifications). Each level contains thousands of variables, and the interactions between levels produce a web of associations so dense that distinguishing genuine causal mechanisms from confounded correlations becomes nearly impossible through association analysis alone.

The stakes of getting this distinction right are high. A protein that is associated with a disease may be a biomarker (useful for diagnosis but not a drug target) or a cause of the disease (a viable drug target). Billions of dollars in drug development depend on correctly identifying causes—and the failure rate of clinical trials (>90% in some therapeutic areas) is partly attributable to pursuing targets that were associated with disease but did not cause it.

Mishra et al. develop instrumental factor models that use the natural experimental structure embedded in multi-omics data—specifically, genetic variants—to distinguish causal from confounded relationships.

The Instrumental Variable Strategy

The fundamental insight is that genetic variants provide natural instruments for causal inference. A genetic variant (SNP) that affects protein expression provides an experiment that nature has already run: individuals who carry the variant have different protein levels not because of their health behaviors, environment, or disease status but because of the random genetic shuffle at conception.

If a genetic variant:

...then the variant serves as an instrument that identifies the causal effect of protein X on the outcome, even in the presence of unmeasured confounders that affect both protein X and the outcome.

The Factor Model Extension

Standard Mendelian randomization uses one genetic variant to instrument one exposure. Multi-omics data presents a different challenge: thousands of exposures (proteins, metabolites) simultaneously influenced by thousands of genetic variants. The relationships are not one-to-one but many-to-many—a single genetic variant may affect multiple proteins (pleiotropy), and a single protein may be affected by multiple variants (polygenic architecture).

Mishra et al.'s factor model handles this complexity by decomposing the high-dimensional multi-omics data into a smaller number of latent factors—biologically interpretable dimensions that capture the coordinated variation across molecular levels. Genetic variants instrument these latent factors rather than individual molecular species, addressing the pleiotropy problem (the instrument affects the factor, not individual molecules) and the dimensionality problem (fewer factors than molecules).

The causal analysis then estimates the effect of each latent factor on the outcome, providing a pathway-level causal inference that is more robust and biologically interpretable than individual-molecule analysis.

Claims and Evidence

Open Questions

What This Means for Your Research

For bioinformatics researchers, instrumental factor models provide a principled causal inference framework for multi-omics data that goes beyond the association-based approaches (GWAS, correlation networks) that currently dominate the field.

For drug discovery, the distinction between causal and confounded associations directly determines target validity. Mishra et al.'s approach provides a statistical method for prioritizing targets based on causal evidence rather than correlation strength.

For statisticians, the combination of factor models with instrumental variables in a high-dimensional setting presents interesting methodological challenges—identification conditions, estimation consistency, and inference procedures—that extend the classical IV framework.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 연구에서 인용하기 전에 원본 논문을 통해 구체적인 연구 결과, 통계 및 주장을 검증해야 한다.

다중 오믹스(Multi-Omics)에서 연관에서 인과관계로: 생물학적 발견을 위한 도구적 인자 모델(Instrumental Factor Models)

현대 생물학 연구는 여러 분자 수준에서 데이터를 동시에 생성한다: 유전체학(genomics)(DNA 서열 변이), 전사체학(transcriptomics)(유전자 발현), 단백질체학(proteomics)(단백질 풍부도), 대사체학(metabolomics)(대사물질 농도), 후성유전체학(epigenomics)(DNA 메틸화, 히스톤 변형). 각 수준에는 수천 개의 변수가 포함되며, 수준 간 상호작용은 너무나 복잡한 연관성의 그물망을 형성하여, 연관성 분석만으로는 진정한 인과적 메커니즘과 교란된 상관관계를 구별하는 것이 거의 불가능하다.

이 구분을 올바르게 하는 것은 매우 중요하다. 질병과 연관된 단백질은 바이오마커(진단에는 유용하지만 약물 표적은 아닌)일 수도 있고, 질병의 원인(실행 가능한 약물 표적)일 수도 있다. 수십억 달러의 신약 개발이 인과관계의 올바른 규명에 달려 있으며, 임상시험의 높은 실패율(일부 치료 영역에서 >90%)은 부분적으로 질병과 연관되어 있지만 실제로는 원인이 아닌 표적을 추구한 것에 기인한다.

Mishra 등은 다중 오믹스 데이터에 내재된 자연 실험 구조, 특히 유전적 변이를 활용하여 인과적 관계와 교란된 관계를 구별하는 도구적 인자 모델(instrumental factor models)을 개발하였다.

도구 변수(Instrumental Variable) 전략

핵심적인 통찰은 유전적 변이가 인과 추론을 위한 자연적 도구를 제공한다는 점이다. 단백질 발현에 영향을 미치는 유전적 변이(SNP)는 자연이 이미 수행한 실험을 제공한다: 해당 변이를 보유한 개인은 건강 행동, 환경 또는 질병 상태 때문이 아니라, 수정 시 일어나는 무작위적인 유전적 재조합 때문에 서로 다른 단백질 수준을 가진다.

유전적 변이가:

...해당 변이는 단백질 X와 결과 모두에 영향을 미치는 측정되지 않은 교란 변수가 존재하더라도, 결과에 대한 단백질 X의 인과적 효과를 규명하는 도구로 기능한다.

인자 모델(Factor Model) 확장

표준 멘델 무작위화는 하나의 유전적 변이를 사용하여 하나의 노출을 도구화한다. 다중 오믹스 데이터는 다른 도전을 제시한다: 수천 개의 유전적 변이에 의해 동시에 영향을 받는 수천 개의 노출(단백질, 대사물질). 이 관계는 일대일이 아닌 다대다이며, 하나의 유전적 변이가 여러 단백질에 영향을 미칠 수 있고(다면발현성, pleiotropy), 하나의 단백질이 여러 변이에 의해 영향을 받을 수 있다(다유전자 구조, polygenic architecture).

Mishra 등의 인자 모델은 고차원 다중 오믹스 데이터를 더 적은 수의 잠재 인자(latent factors)—분자 수준 전반에 걸친 조율된 변이를 포착하는 생물학적으로 해석 가능한 차원—로 분해함으로써 이 복잡성을 처리한다. 유전적 변이는 개별 분자 종이 아닌 이 잠재 인자들을 도구화하여, 다면발현성 문제(도구가 개별 분자가 아닌 인자에 영향을 미침)와 차원 문제(분자보다 인자의 수가 적음)를 해결한다.

이후 인과 분석은 결과에 대한 각 잠재 인자의 효과를 추정하여, 개별 분자 분석보다 더 강건하고 생물학적으로 해석 가능한 경로 수준의 인과 추론을 제공한다.

주장과 근거

미해결 질문

연구에 대한 시사점

생물정보학 연구자들에게 있어, 도구 요인 모델은 현재 해당 분야를 지배하고 있는 연관성 기반 접근법(GWAS, 상관 네트워크)을 넘어서는, 다중 오믹스 데이터에 대한 원칙적인 인과 추론 프레임워크를 제공한다.

신약 개발에 있어, 인과적 연관성과 교란된 연관성의 구별은 표적 유효성을 직접적으로 결정한다. Mishra 등의 접근법은 상관 강도가 아닌 인과적 근거를 바탕으로 표적의 우선순위를 정하기 위한 통계적 방법을 제공한다.

통계학자들에게 있어, 고차원 환경에서 요인 모델과 도구 변수의 결합은 식별 조건, 추정 일관성, 추론 절차 등 흥미로운 방법론적 과제를 제시하며, 이는 고전적인 IV 프레임워크를 확장한다.