本記事では、高スループット転写データからのバイオマーカー発見の重要性について論じています。従来の手法は、遺伝子間の調節関係を無視しがちで、データセット間での安定性も欠如しています。このため、虚偽の相関と真の因果効果が混同されてしまいます。これらの課題に対処するために、因果推論と多層グラフニューラルネットワーク（GNN）を統合した因果グラフニューラルネットワーク（Causal-GNN）を開発しました。本手法では、安定したバイオマーカーの同定のために因果効果推定を取り入れ、遺伝子間の調節ネットワークを活用したGNNベースの傾向スコアリングメカニズムを組み合わせています。実験結果から、我々の手法が4つの異なるデータセットと4つの独立した分類器に対して高い予測精度を一貫して示すことが明らかになりました。また、従来の手法と比較して、より安定したバイオマーカーを特定できることが示されています。この研究は、医療分野全体での広範な応用への強い可能性を示す、堅牢で効率的、かつ生物学的に解釈可能なツールを提供します。