表格基础模型对于微生物组数据中的实际查询分布变化是否稳健？

表格基础模型 (TFM) 在微生物组丰度数据上取得了出色的性能，但其在实际分布变化下的稳健性仍然缺乏表征。我们引入了一个基准，用于评估 TFM 对跨越四种疾病背景的六个肠道微生物组数据集的生物学扰动的鲁棒性。在这种上下文学习设置中，模型接收未受扰动的支持集作为上下文，并在受扰动的查询样本上进行评估。为了隔离“捷径”特征之外的鲁棒性，我们保留最具辨别力的类群并应用三种受控扰动策略：（i）去除高丰度（无信息）类群，（ii）通过增加零膨胀进行稀疏化，以及（iii）通过虚假非零注入进行零插补。我们的结果表明，保护判别性特征不足以保证支持查询转移下的稳定性：在数据集中，所有扰动都会降低模型性能，其中零插补始终是最有害的，这表明即使保留关键分类单元，破坏全局特征结构也会破坏泛化。相对于经典的随机森林基线，稀疏化对 TFM 的影响不成比例，这表明对零膨胀型转变的敏感性更高。该代码可公开获取：https://github.com/UMMISCO/metagenomics-fm/。