癌症结局预测不再按祖先分组：DA-ICL沿遗传连续谱建模，18项TCGA任务中10项平均AUROC最高
核心概要
癌症结局的组学预测通常先把样本划入离散祖先组、再在组内单独建模，但预测精度会随样本与训练集的遗传距离连续下降。DA-ICL把祖先信息当作连续变量，用主成分分析把基因型投影到低维空间，在每个祖先点上以邻近样本构成上下文，让预训练的表格基础模型在推理时直接给出预测，并用分布感知的上下文增强补充远处但分布相近的样本。在TCGA三种癌症、三种组学模态与两个临床终点的18项任务上，DA-ICL在非洲祖先样本上于10项取得最高平均AUROC，优势随任务而变。
深度剖析
癌症结局的组学预测从按祖先分组转向沿遗传连续谱建模：每个祖先点单独构造上下文，而不是把样本归入非洲、欧洲等离散组后组内统一预测。 此前的祖先离散建模把样本划入互不相交的祖先组，在组内拟合单独模型，对同一组内所有样本给出相同形式的预测；已有大规模生物库分析显示，预测精度随样本与训练集的遗传距离近似线性下降，即使在同一祖先标签内部也是如此。 合成数据实验中，祖先离散的逻辑回归模型随样本到所属祖先组质心的距离增大而性能下降，而按真实分布抽样的理想连续谱模型与取最近100个训练样本的经验连续谱模型在该距离范围内保持稳定；当控制祖先变量对决策边界影响的旋转与偏移参数增大时，两种连续谱模型的AUROC明显高于离散模型。
方法把祖先连续谱与上下文学习结合起来：对每个目标祖先点，用遗传空间中的近邻样本组成上下文，预训练表格基础模型据此在推理时预测，无需为目标任务更新参数。 常规连续谱建模需要为每个查询单独拟合一个局部模型，DA-ICL改为让TabPFN 2.6以查询专属上下文为条件，把建模成本转移到推理时的上下文构造上。 在TCGA的BRCA、KIRC、UCEC三种癌症上，mRNA表达、microRNA表达与DNA甲基化三种模态分别配对总生存与无进展间期两个终点，构成18项任务；以非洲祖先样本为测试对象，30个随机种子各做三折划分，DA-ICL在10项任务上取得最高平均AUROC，不带增强的离散上下文在6项最高，不带增强的连续谱上下文在2项最高。
分布感知上下文增强（DACE）用整个连续谱上分布相近的样本补充局部上下文，缓解仅靠遗传近邻时上下文不足的问题。 只用遗传空间近邻构造上下文时，部分任务的近邻样本不足以刻画组学特征与终点标签的关系，连续谱上下文在18项任务中仅2项取得最高平均AUROC。 DACE在组学自编码器嵌入空间中，按结局类别分层各建一棵最小生成树，把与近邻上下文相连的跨树边上的候选样本加入上下文；加入后DA-ICL在多数但非全部任务上取得最高平均AUROC，说明收益依任务而定。
启示与展望
评估范围是合成数据，以及TCGA中BRCA、KIRC、UCEC三种癌症的mRNA、microRNA与DNA甲基化数据配对总生存和无进展间期两个终点，测试对象为非洲祖先样本；定理比较的是所述数据生成过程下的贝叶斯最优分类器。
理论结论针对最优分类器，并不保证有限样本下的DA-ICL实现一定优于祖先分层模型；真实数据上的收益依任务而定，DACE在多数但非全部任务上取得最高平均AUROC。