三篇 Nature 论文看 SHAP 的三重边界：归因、机制解释与因果识别

上一篇推文（ SHAP解释边界：从“模型归因”到“因果识别” ）中，我从 epistemic classification 的角度，将 SHAP 的解释划分为三个层次： model-based attribution、process-informed interpretation 与 causality-informed identification 。 这篇文章尝试将这一分析框架放到具体论文之中，分析 SHAP 或 Shapley values 在各自证据链中究竟承担了什么 epistemic role。

一、 归因：当 SHAP 被严格限定为 model-based attribution

（Chen et al., Nature, 2026: Gene regulatory landscape dissected by single-cell four-omics sequencing）

图 1｜SHAP 用于模型归因与调控元件排序（Chen et al., Nature , 2026） 。

这篇论文的核心任务，是在单细胞四组学数据框架下建立基因表达预测模型，并据此识别候选 enhancer–promoter linkages。文章使用 Shapley values 评估不同 genomic bins 对表达预测的贡献，并将预测结果与实验验证的 enhancer–promoter pairs 进行外部比较。

在这里，SHAP 的功能是清楚的： 它分解的是模型输出，而不是生物过程本身 。更准确地说，它回答的是：在当前训练好的预测模型中，哪些输入区域对表达预测更重要，哪些 bins 对某个 enhancer–promoter linkage prediction 贡献更大。它所揭示的是模型依赖的表示结构，而不是调控机制本体本身。论文中关于调控关系的讨论，也并不是由 SHAP 单独支撑，而是建立在 multi-omics integration、3D chromatin structure 和外部验证等多重证据之上。显然，这篇论文中的 SHAP 属于 model-based attribution 。它可以支持 contribution quantification 和 feature prioritization ，但不能单独推出“某个元件就是调控机制本身”。当然，作者也没有把这种 attribution 直接写成 mechanism identification。

二、 机制：SHAP 支持 process-informed interpretation

（Delavaux et al., Nature, 2023: Native diversity buffers against severity of non-native tree invasions）

图 2｜SHAP 用于变量重要性与 机制解释（ Delavaux et al., Nature , 202 3）。

这篇论文的核心任务，是分析生态变量、人类活动与非本地树种入侵强度之间的关系。作者使用 random forest 模型评估变量重要性，同时结合 GLM 检验关系的显著性与方向。文中明确说明，random forest 主要用于 variable importance 和 visualization。图中展示的 SHAP 值，正是在这一 predictive modeling 框架中用来表征变量贡献和 response pattern 的。

因此，从方法本身看，这里的 SHAP 仍然属于 predictive modeling 之后的 post-hoc attribution，而不是 causal inference。它首先做的，仍然是 attribution：告诉我们在模型中，native diversity、distance to ports 等变量对 invasion presence 或 invasion severity 的预测贡献有多大。这篇论文并没有停留在“模型如何使用变量”这一层，而是进一步把这些 attribution 结果嵌入到生态学理论语言中，例如 biotic resistance、niche filling 等机制性框架。这一步，就是 process-informed interpretation 。这里的 SHAP 不再只是描述 model behavior，而是被用来支持一种 theory-consistent reading ：模型归因结果与既有生态机制是否一致，是否为这些机制提供额外支持。

三、因果：SHAP 嵌入 causality-informed identification

（Liu et al., Nature Plants, 2025: When and where soil dryness matters to ecosystem photosynthesis）

图 3｜ 因果结构 先于归因：regime-dependent causal framework（Liu et al., Nature Plants , 2025 ） 。

图 4｜SHAP 嵌入因果框架的贡献分解（Liu et al., Nature Plants , 2025）。

与前两篇不同，不是先做普通 SHAP，再在讨论里附会因果语言，而是从方法设计一开始就把问题设定为一个因果问题。文章明确提出使用 causality-guided explainable AI framework ，并通过 regime distinction、causal chain graphs 以及干预语义来分析 soil moisture、VPD 等变量对 GPP 的作用。原文还特别对比了普通 SHAP 与 causal Shapley：前者依赖 predictor independence assumption，而后者借助 causal chain graphs 和 expert domain knowledge 来增强 causal interpretation。

这篇论文确实已经进入 causality-informed identification 的层级，但关键在于：这里的因果性并不是来自 SHAP 本身，而是由外加的 causal commitments 预先赋予的。真正承担识别负担的，是 regime distinction 是否合理，causal chain graphs 是否可信，intervention semantics 是否定义清楚，以及 confounding 是否得到了结构化处理。原文甚至主动承认，其 water-limited condition 下的 causal treatment 并不完美，因为 TA 对 VPD 的直接作用难以被 chain graph 完整表达；作者认为这一限制更可能高估 VPD 的重要性，而不会改变其主要结论。恰恰是这一点，使这篇论文在方法论上比很多“把 correlation 直接写成 causation”的论文更自觉：它没有把因果性偷渡给 SHAP，而是把因果前提显式写出来，并同时承担这些前提不成立时的解释风险。

写在最后

通过上述三篇论文可以看到，SHAP 在不同研究中的角色存在本质差异：

在 model-based attribution 层面，SHAP 是对模型输出的分解工具； 在 process-informed interpretation 层面，SHAP 支持 mechanism-consistent explanation，但不构成 mechanism identification； 在 causality-informed identification 层面，SHAP 仅在明确的 causal framework 下作为表达工具参与分析，而不构成因果性的来源。

References

Chen, Y., et al. (2026). Gene regulatory landscape dissected by single-cell four-omics sequencing . Nature.

Delavaux, C. S., et al. (2023). Native diversity buffers against severity of non-native tree invasions . Nature, 621, 773–781.

Liu, J., et al. (2025). When and where soil dryness matters to ecosystem photosynthesis . Nature Plants, 11, 1390–1400.