Table1.

The main layers in the proposed CVAE architectures.

Main layer	Parameters
Input layer	Stack of integrated omics data
Convolutional layer	filters = 32, kernel_size = 3, strides = 1, padding = ‘same’, activation = ‘tanh’.
Convolutional layer	filters = 64, kernel_size = 3, strides = 1, padding = ‘same’, activation = ‘tanh’.
Dense layer	units = 256, activation = ‘tanh’, kernel_regularizer = ‘l2’, bias_regularizer = ‘l2’.
Mean layer	units = 100
Standard deviation layer	units = 100
Sampling layer (latent vector)	units = 100
Dense layer	units = 256, activation = ‘tanh’, kernel_regularizer = ‘l2’, bias_regularizer = ‘l2’.
Deconvolutional layer	filters = 32, kernel_size = 3, strides = 1, padding = ‘same’, activation = ‘tanh’.
Deconvolutional layer	filters = 32, kernel_size = 3, strides = 1, padding = ‘same’, activation = ‘tanh’.
Output layer (reconstructed input)	Stack of reconstructed integrated omics data