Large language models for zero-shot inference of causal structures in biology

How

Figure 2: Outputs for inferring causal direction with different prompt contexts, for the example gene

그림 2: 예시 유전자에 대해 다양한 프롬프트 맥락에서 인과방향 추론 결과

인과 Ground Truth 구축

Mann-Whitney U 검정 활용: 각 유전자 k 섭동 시 target 유전자 j의 발현 분포 변화를 통계적으로 검정 (H₀: 동일 분포 vs H₁: 다른 분포)
Benjamini-Hochberg 보정: 다중 검정 문제 해결 및 FDR 제어 (α=0.05)
조상 그래프(ancestral graph) 생성: 각 섭동 유전자에서 유의하게 변한 유전자들로의 방향성 모서리 도출 (직접/간접 인과효과 모두 포함)

LLM 프롬프팅 전략

확률 기반 쿼리: "유전자 i가 유전자 j에 미치는 인과효과의 정도를 0과 1 사이의 확률로 정량화하세요"
모든 유전자 쌍에 대한 반복: d개 유전자의 모든 쌍에 대해 프롬프팅하여 d×d 확률 행렬 P 생성
재인스턴시에이션(reinstatiation): 각 프롬프트 후 편향 방지를 위해 LLM 재설정

평가 메트릭

AUROC (Area Under ROC Curve): 확률 행렬의 비대각 원소와 ground truth 인접 행렬 비교
임계값 기반 그래프 생성: 확률 행렬을 임계값 γ로 이진 그래프 변환
추이적 폐포(transitive closure) 분석: 직접 인과관계뿐 아니라 간접 경로까지 고려

Figure 3: Gemma2의 다양한 유전자별 문맥 정보 정도에 따른 결과

그림 3: 유전자 수준의 맥락 정보 제공 수준에 따른 LLM 성능 변화

검색 증강 전략

생물학적 맥락 명시: 실험 조건, 세포 유형, 후성유전학적 배경 정보 포함
PubTator 3.0 활용: 과학 문헌에서 생물개체명 인식 및 추출
STRING 데이터베이스 통합: 알려진 단백질-단백질 상호작용 정보 활용
노드별 세부 정보 제공: 구체적 유전자에 대한 선택적 정보 추가

같이 보면 좋은 논문

Large Language Models are Zero Shot Hypothesis Proposers

기반 연구LLM을 활용한 생물학적 인과구조 추론이라는 동일한 문제를 다룬다.

다른 접근LLM의 가설 생성 능력에 대한 다른 실험적 접근을 제시한다.

PertReasonQA: A Knowledge-Grounded Benchmark and Framework for Cell-State–Conditioned Mechanistic Reasoning of Perturbation Effects

기반 연구knowledge graph 기반 추론을 perturbation 예측 문제에 적용한 연구

LLM4GRN: Discovering causal gene regulatory networks with llms–evaluation through synthetic data generation

다른 접근유전자 섭동 데이터 기반 인과관계 추론의 다른 접근법을 제시한다.

Automating psychological hypothesis generation with AI: when large language models meet causal graph

후속 연구인과 지식 그래프 구축 방법론이 본 연구의 이론적 기반을 제공한다.

A retrieval-augmented knowledge mining method with deep thinking LLMs for biomedical research and clinical support

후속 연구생물학 인과추론에 대한 LLM 평가 프레임워크를 확장한다.

Predicting field experiments with large language models

후속 연구대규모 언어모델의 제로샷 인과구조 추론 및 실험 결과 예측 능력에 대한 기초적 탐구를 제공한다.

Multi-View Causal Discovery without Non-Gaussianity: Identifiability and Algorithms

후속 연구SPECTER2 유사도 0.89로 Statistical Causal Inference Methods와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

NOF1-BCD - a framework for causal estimates with N-of-1 Bayesian Digital Twins

후속 연구SPECTER2 유사도 0.91로 Statistical Causal Inference Methods와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

PACER: Acyclic Causal Discovery from Large-scale Interventional Data

후속 연구SPECTER2 유사도 0.92로 Statistical Causal Inference Methods와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

PPI Candidate Ranking: Large-Scale Evaluation of a Domain Knowledge–Guided Pipeline

후속 연구SPECTER2 유사도 0.92로 Biomedical AI Knowledge Systems와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

Spatial Deconfounder: Interference-Aware Deconfounding for Spatial Causal Inference

후속 연구SPECTER2 유사도 0.90로 Statistical Causal Inference Methods와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

Benchmarking the Scientific Mind: A Pathology-Derived Biomedical VQA Benchmark for Complex Scientific Reasoning

후속 연구SPECTER2 유사도 0.93로 Biomedical AI Knowledge Systems와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

Causal Preference Elicitation

후속 연구SPECTER2 유사도 0.93로 Statistical Causal Inference Methods와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

Causal Risk Minimization for High-Dimensional Treatments

EveryQuery: Zero-Shot Clinical Prediction via Task-Conditioned Pretraining

후속 연구SPECTER2 유사도 0.91 기준으로 'EveryQuery: Zero-Shot Clinical Prediction via Task-Conditioned Pretraining'의 AI4S 방법론을 'Large language models for zero-shot inference of causal structures in biology'의 과학 생산·평가 맥락과 함께 보면 연구 자동화의 의미를 입체적으로 볼 수 있다.

Gradient-Based Causal Tree Ensembles: A Backbone Architecture for Heterogeneous Treatment Effects

후속 연구SPECTER2 유사도 0.90로 Clinical Time-Series Modeling와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

HEARTS: Benchmarking LLM Reasoning on Health Time Series

후속 연구SPECTER2 유사도 0.91로 Clinical Time-Series Modeling와 Scientific Information Extraction and QA가 맞닿아, 'Large language models for zero-shot inference of causal structures in biology'가 이 ICML 2026 논문의 배경·대안·응용 맥락을 보완한다.

Identification of Heterogeneous Erlotinib Response Gene Sets Using Sample-Specific Counterfactual Causal Attribution

Learning Treatment Representations for Downstream Instrumental Variable Regression

MOLIERE: Automatic Biomedical Hypothesis Generation System

응용 사례유전자 섭동 실험 데이터를 통한 실제 검증 사례를 다룸

Large language models for zero-shot inference of causal structures in biology

Essence

Motivation

Achievement

How

인과 Ground Truth 구축

LLM 프롬프팅 전략

평가 메트릭

검색 증강 전략

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

Large language models for zero-shot inference of causal structures in biology

Essence

Motivation

Achievement

How

인과 Ground Truth 구축

LLM 프롬프팅 전략

평가 메트릭

검색 증강 전략

Originality

Limitation & Further Study

Evaluation

같이 보면 좋은 논문

🎧 Audio Overview