我认为图5中显示的EAS PRS表现尚不足以证明该声明，这似乎暗示目前最佳的EAS PRS模型达到了或超过了最佳的EUR模型。由于这些PRSmix+ EAS PRS仅在363k + 80k的台湾TPMI样本上进行了训练和调优，因此使用可比方法训练的EUR PRS在同样良好表型的EUR测试集上仍然表现出（更）好的性能。 例如，这个新的PRSmix+，TPMI训练的EAS T2D PRS在TPMI中实现了责任规模R^2 = 8.5%（表S14），使用来自89k EAS T2D病例和325k EAS T2D对照的数据（表S1），而Herasight的EUR T2D PRS使用Suzuki等人发布的GWAS关联进行训练，来源于254k EUR T2D病例和1.49m EUR T2D对照，在UK Biobank中实现了责任规模R^2 = 20.7%（16.8, 24.8）[2]。（其他团队也训练了类似的高预测性EUR T2D PRS [3]，超过了这里设定的R^2 = 8.5%的阈值）。 但这并不是说通过将这个新的EAS GWAS与其他可用的EAS GWAS结合起来，无法训练出大幅改进的EAS PRS！例如，来自Suzuki等人多种族T2D GWAS的有效样本量的20%是由非TPMI EAS来源贡献的。 关于这一点的新结果即将发布！