Yan Cui

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。

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。