RECLAIM: Kausale Netzwerke mit Zyklen trotz Messrauschen entschlüsseln

Ein neues Verfahren namens RECLAIM wurde auf arXiv veröffentlicht und löst ein langjähriges Problem in der Kausalanalyse: die gleichzeitige Erkennung von Zyklen und Messrauschen. Traditionelle Methoden gehen davon aus, dass die zugrunde liegenden Systeme acyclisch sind und die Messungen fehlerfrei vorliegen – Annahmen, die in vielen praktischen Anwendungen, etwa in der Genomik, nicht zutreffen.

RECLAIM nutzt einen Expectation‑Maximization‑Ansatz, um die Wahrscheinlichkeitsfunktion der beobachteten Daten zu maximieren. Durch den Einsatz von Residual‑Normalisierungs­Flows wird die Berechnung der Likelihood effizient und exakt. Das Modell berücksichtigt zwei Messsysteme: additive Gaußsche Rauschen und lineare Messsysteme mit Gaußschem Rauschen.

Die Autoren liefern theoretische Konsistenzgarantien für beide Messmodelle und demonstrieren die Leistungsfähigkeit von RECLAIM anhand synthetischer Daten sowie echter Protein‑Signalisierungs‑Datensätze. Die Ergebnisse zeigen, dass das Verfahren robuste kausale Strukturen in zyklischen Netzwerken extrahieren kann, selbst wenn die Messungen stark verrauscht sind.