我不認為圖5中顯示的EAS PRS表現足以證明該聲明，這似乎暗示目前最佳的EAS PRS模型達到或超過了最佳的EUR模型。由於這些PRSmix+ EAS PRS僅在363k + 80k的台灣TPMI樣本上進行訓練和調整，因此EUR PRS使用可比方法訓練，但使用更大的GWAS數據，仍然在同樣良好表型的EUR測試集上產生（更）好的表現。 例如，這個新的PRSmix+，TPMI訓練的EAS T2D PRS在TPMI中達到責任尺度R^2 = 8.5%（表S14），使用來自89k EAS T2D病例和325k EAS T2D對照的數據（表S1），而Herasight EUR T2D PRS使用由Suzuki等人發表的GWAS關聯訓練，來自254k EUR T2D病例 + 1.49m EUR T2D對照，在英國生物銀行中達到責任尺度R^2 = 20.7%（16.8, 24.8）[2]。（其他團隊也訓練了類似的高預測性EUR T2D PRS [3]，超過了這裡設定的R^2 = 8.5%的閾值）。 但這並不是說通過將這個新的EAS GWAS與其他可用的EAS GWAS結合起來，無法訓練出大幅改進的EAS PRS！例如，來自非TPMI EAS來源的樣本有效大小的20%是由龐大的Suzuki等人的多祖先T2D GWAS貢獻的。 新的結果即將公布！