Jag tror inte att EAS PRS-prestanda som visas i figur 5 ännu motiverar det uttalandet, vilket verkar antyda att de bästa tillgängliga EAS PRS-modellerna nu uppfyller eller överträffar de bästa tillgängliga EUR-modellerna. Eftersom dessa PRSmix+ EAS PRS:er tränades och finjusterades på endast 363k + 80k taiwanesiska TPMI-prover, är det fortfarande så att EUR PRS:er tränade med jämförbara metoder men med mycket större GWAS-data ger (mycket) bättre prestanda i liknande väl fenotypade EUR-testuppsättningar. Till exempel uppnår denna nya PRSmix+, TPMI-tränade EAS T2D PRS ansvarsskala R^2 = 8,5 % (Table.S14) i TPMI med hjälp av data från 89k EAS T2D-fall och 325k EAS T2D-kontroller (Table.S1), medan en Herasight EUR T2D PRS tränad med hjälp av GWAS-associationer publicerade av Suzuki et al. [1] och härledd från 254k EUR T2D-fall + 1,49 miljoner EUR T2D-kontroller uppnår ansvarsskala R^2 = 20,7 % (16,8, 24.8) i UK Biobank [2]. (Andra grupper har på liknande sätt tränat mycket prediktiv EUR T2D PRS [3] som överstiger R^2 = 8,5 % tröskel som anges här). Men det betyder inte att kraftigt förbättrade EAS PRS:er inte kan tränas genom att kombinera denna nya EAS GWAS med andra tillgängliga EAS GWAS:er! Till exempel kommer 20 % av den effektiva urvalsstorleken för den massiva T2D-GWAS från icke-TPMI EAS-källor med flera anor. Nya resultat på detta kommer snart!