The Rotterdam Study is an ongoing prospective cohort study that started in 1990 in the city of Rotterdam, The Netherlands. The study aims to unravel etiology, preclinical course, natural history and potential targets for intervention for chronic diseases in mid-life and late-life. The study focuses on cardiovascular, endocrine, hepatic, neurological, ophthalmic, psychiatric, dermatological, otolaryngological, locomotor, and respiratory diseases. As of 2008, 14,926 subjects aged 45 years or over comprise the Rotterdam Study cohort. Since 2016, the cohort is being expanded by persons aged 40 years and over. The findings of the Rotterdam Study have been presented in over 1700 research articles and reports. This article provides an update on the rationale and design of the study. It also presents a summary of the major findings from the preceding 3 years and outlines developments for the coming period.

Previous studies have indicated that gut microbiome may be associated with development of type 2 diabetes. However, these studies are limited by small sample size and insufficient for confounding. Furthermore, which specific taxa play a role in the development of type 2 diabetes remains unclear.To examine associations of gut microbiome composition with insulin resistance and type 2 diabetes in a large population-based setting controlling for various sociodemographic and lifestyle factors.This cross-sectional analysis included 2166 participants from 2 Dutch population-based prospective cohorts: the Rotterdam Study and the LifeLines-DEEP study.The 16S ribosomal RNA method was used to measure microbiome composition in stool samples collected between January 1, 2012, and December 31, 2013. The α diversity (Shannon, richness, and Inverse Simpson indexes), β diversity (Bray-Curtis dissimilarity matrix), and taxa (from domain to genus level) were identified to reflect gut microbiome composition.Associations among α diversity, β diversity, and taxa with the Homeostatic Model Assessment of Insulin Resistance (HOMA-IR) and with type 2 diabetes were examined. Glucose and insulin were measured to calculate the HOMA-IR. Type 2 diabetes cases were identified based on glucose levels and medical records from January 2012 to December 2013. Analyses were adjusted for technical covariates, lifestyle, sociodemographic, and medical factors. Data analysis was performed from January 1, 2018, to December 31, 2020.There were 2166 participants in this study: 1418 from the Rotterdam Study (mean [SD] age, 62.4 [5.9] years; 815 [57.5%] male) and 748 from the LifeLines-DEEP study (mean [SD] age, 44.7 [13.4] years; 431 [57.6%] male); from this total, 193 type 2 diabetes cases were identified. Lower microbiome Shannon index and richness were associated with higher HOMA-IR (eg, Shannon index, -0.06; 95% CI, -0.10 to -0.02), and patients with type 2 diabetes had a lower richness than participants without diabetes (odds ratio [OR], 0.93; 95% CI, 0.88-0.99). The β diversity (Bray-Curtis dissimilarity matrix) was associated with insulin resistance (R2 = 0.004, P = .001 in the Rotterdam Study and R2 = 0.005, P = .002 in the LifeLines-DEEP study). A total of 12 groups of bacteria were associated with HOMA-IR or type 2 diabetes. Specifically, a higher abundance of Christensenellaceae (β = -0.08; 95% CI, -0.12 to -0.03: P < .001), Christensenellaceae R7 group (β = -0.07; 95% CI, -0.12 to -0.03; P < .001), Marvinbryantia (β = -0.07; 95% CI, -0.11 to -0.03; P < .001), Ruminococcaceae UCG005 (β = -0.09; 95% CI, -0.13 to -0.05; P < .001), Ruminococcaceae UCG008 (β = -0.07; 95% CI, -0.11 to -0.03; P < .001), Ruminococcaceae UCG010 (β = -0.08; 95% CI, -0.12 to -0.04; P < .001), or Ruminococcaceae NK4A214 group (β = -0.09; 95% CI, -0.13 to -0.05; P < .001) was associated with lower HOMA-IR. A higher abundance of Clostridiaceae 1 (OR, 0.51; 95% CI, 0.41-0.65; P < .001), Peptostreptococcaceae (OR, 0.56; 95% CI, 0.45-0.70; P < .001), C sensu stricto 1 (OR, 0.51; 95% CI, 0.40-0.65; P < .001), Intestinibacter (OR, 0.60; 95% CI, 0.48-0.76; P < .001), or Romboutsia (OR, 0.55; 95% CI, 0.44-0.70; P < .001) was associated with less type 2 diabetes. These bacteria are all known to produce butyrate.In this cross-sectional study, higher microbiome α diversity, along with more butyrate-producing gut bacteria, was associated with less type 2 diabetes and with lower insulin resistance among individuals without diabetes. These findings could help provide insight into the etiology, pathogenesis, and treatment of type 2 diabetes.

Depression is one of the most poorly understood diseases due to its elusive pathogenesis. There is an urgency to identify molecular and biological mechanisms underlying depression and the gut microbiome is a novel area of interest. Here we investigate the relation of fecal microbiome diversity and composition with depressive symptoms in 1,054 participants from the Rotterdam Study cohort and validate these findings in the Amsterdam HELIUS cohort in 1,539 subjects. We identify association of thirteen microbial taxa, including genera Eggerthella, Subdoligranulum, Coprococcus, Sellimonas, Lachnoclostridium, Hungatella, Ruminococcaceae (UCG002, UCG003 and UCG005), LachnospiraceaeUCG001, Eubacterium ventriosum and Ruminococcusgauvreauiigroup, and family Ruminococcaceae with depressive symptoms. These bacteria are known to be involved in the synthesis of glutamate, butyrate, serotonin and gamma amino butyric acid (GABA), which are key neurotransmitters for depression. Our study suggests that the gut microbiome composition may play a key role in depression.

Vitamin D insufficiency is common, correctable, and influenced by genetic factors, and it has been associated with risk of several diseases. We sought to identify low-frequency genetic variants that strongly increase the risk of vitamin D insufficiency and tested their effect on risk of multiple sclerosis, a disease influenced by low vitamin D concentrations. We used whole-genome sequencing data from 2,619 individuals through the UK10K program and deep-imputation data from 39,655 individuals genotyped genome-wide. Meta-analysis of the summary statistics from 19 cohorts identified in CYP2R1 the low-frequency (minor allele frequency=2.5%) synonymous coding variant g.14900931G>A (p.Asp120Asp) (rs117913124[A]), which conferred a large effect on 25-hydroxyvitamin D (25OHD) levels (−0.43 SD of standardized natural log-transformed 25OHD per A allele; p value=1.5 × 10⁻⁸⁸). The effect on 25OHD was four times larger and independent of the effect of a previously described common variant near CYP2R1. By analyzing 8,711 individuals, we showed that heterozygote carriers of this low-frequency variant have an increased risk of vitamin D insufficiency (odds ratio [OR] = 2.2, 95% confidence interval [CI] = 1.78–2.78, p=1.26 × 10⁻¹²). Individuals carrying one copy of this variant also had increased odds of multiple sclerosis (OR = 1.4, 95% CI=1.19–1.64, p=2.63 × 10⁻⁵) in a sample of 5,927 case and 5,599 control subjects. In conclusion, we describe a low-frequency CYP2R1 coding variant that exerts the largest effect upon 25OHD levels identified to date in the general European population and implicates vitamin D in the etiology of multiple sclerosis.

DNA methylation is a key epigenetic mechanism that is suggested to be associated with blood lipid levels. We aimed to identify CpG sites at which DNA methylation levels are associated with blood levels of triglycerides, high-density lipoprotein cholesterol (HDL-C), low-density lipoprotein cholesterol (LDL-C), and total cholesterol in 725 participants of the Rotterdam Study, a population-based cohort study. Subsequently, we sought replication in a non-overlapping set of 760 participants. Genome-wide methylation levels were measured in whole blood using the Illumina Methylation 450 array. Associations between lipid levels and DNA methylation beta values were examined using linear mixed-effect models. All models were adjusted for sex, age, smoking, white blood cell proportions, array number, and position on array. A Bonferroni-corrected p value lower than 1.08 × 10−7 was considered statistically significant. Five CpG sites annotated to genes including DHCR24, CPT1A, ABCG1, and SREBF1 were identified and replicated. Four CpG sites were associated with triglycerides, including CpG sites annotated to CPT1A (cg00574958 and cg17058475), ABCG1 (cg06500161), and SREBF1 (cg11024682). Two CpG sites were associated with HDL-C, including ABCG1 (cg06500161) and DHCR24 (cg17901584). No significant associations were observed with LDL-C or total cholesterol. We report an association of HDL-C levels with methylation of a CpG site near DHCR24, a protein-coding gene involved in cholesterol biosynthesis, which has previously been reported to be associated with other metabolic traits. Furthermore, we confirmed previously reported associations of methylation of CpG sites within CPT1A, ABCG1, and SREBF1 and lipids. These results provide insight in the mechanisms that are involved in lipid metabolism.

Abstract We conducted genome-wide association studies (GWAS) of relative intake from the macronutrients fat, protein, carbohydrates, and sugar in over 235,000 individuals of European ancestries. We identified 21 unique, approximately independent lead SNPs. Fourteen lead SNPs are uniquely associated with one macronutrient at genome-wide significance ( P < 5 × 10 −8 ), while five of the 21 lead SNPs reach suggestive significance ( P < 1 × 10 −5 ) for at least one other macronutrient. While the phenotypes are genetically correlated, each phenotype carries a partially unique genetic architecture. Relative protein intake exhibits the strongest relationships with poor health, including positive genetic associations with obesity, type 2 diabetes, and heart disease ( r g ≈ 0.15–0.5). In contrast, relative carbohydrate and sugar intake have negative genetic correlations with waist circumference, waist-hip ratio, and neighborhood deprivation (| r g | ≈ 0.1–0.3) and positive genetic correlations with physical activity ( r g ≈ 0.1 and 0.2). Relative fat intake has no consistent pattern of genetic correlations with poor health but has a negative genetic correlation with educational attainment ( r g ≈−0.1). Although our analyses do not allow us to draw causal conclusions, we find no evidence of negative health consequences associated with relative carbohydrate, sugar, or fat intake. However, our results are consistent with the hypothesis that relative protein intake plays a role in the etiology of metabolic dysfunction.

Obesity is highly heritable. Genetic variants showing robust associations with obesity traits have been identified through genome-wide association studies. We investigated whether a composite score representing healthy diet modifies associations of these variants with obesity traits. Totally, 32 body mass index (BMI)- and 14 waist-hip ratio (WHR)-associated single nucleotide polymorphisms were genotyped, and genetic risk scores (GRS) were calculated in 18 cohorts of European ancestry (n = 68 317). Diet score was calculated based on self-reported intakes of whole grains, fish, fruits, vegetables, nuts/seeds (favorable) and red/processed meats, sweets, sugar-sweetened beverages and fried potatoes (unfavorable). Multivariable adjusted, linear regression within each cohort followed by inverse variance-weighted, fixed-effects meta-analysis was used to characterize: (a) associations of each GRS with BMI and BMI-adjusted WHR and (b) diet score modification of genetic associations with BMI and BMI-adjusted WHR. Nominally significant interactions (P = 0.006-0.04) were observed between the diet score and WHR-GRS (but not BMI-GRS), two WHR loci (GRB14 rs10195252; LYPLAL1 rs4846567) and two BMI loci (LRRN6C rs10968576; MTIF3 rs4771122), for the respective BMI-adjusted WHR or BMI outcomes. Although the magnitudes of these select interactions were small, our data indicated that associations between genetic predisposition and obesity traits were stronger with a healthier diet. Our findings generate interesting hypotheses; however, experimental and functional studies are needed to determine their clinical relevance.

The aim of the study was to investigate the relationship between serum 25(OH)D levels and axial length (AL) and myopia in 6-year-old children. A total of 2666 children aged 6 years participating in the birth-cohort study Generation R underwent a stepwise eye examination. First, presenting visual acuity (VA) and AL were performed. Second, automated cycloplegic refraction was measured if LogMAR VA > 0.1. Serum 25-hydroxyvitamin D [25(OH)D] was determined from blood using liquid chromatography/tandem mass spectrometry. Vitamin D related SNPs were determined with a SNP array; outdoor exposure was assessed by questionnaire. The relationships between 25(OH)D and AL or myopia were investigated using linear and logistic regression analysis. Average 25(OH)D concentration was 68.8 nmol/L (SD ± 27.5; range 4-211); average AL 22.35 mm (SD ± 0.7; range 19.2-25.3); and prevalence of myopia 2.3 % (n = 62). After adjustment for covariates, 25(OH)D concentration (per 25 nmol/L) was inversely associated with AL (β -0.043; P < 0.01), and after additional adjusting for time spent outdoors (β -0.038; P < 0.01). Associations were not different between European and non-European children (β -0.037 and β -0.039 respectively). Risk of myopia (per 25 nmol/L) was OR 0.65 (95 % CI 0.46-0.92). None of the 25(OH)D related SNPs showed an association with AL or myopia. Lower 25(OH)D concentration in serum was associated with longer AL and a higher risk of myopia in these young children. This effect appeared independent of outdoor exposure and may suggest a more direct role for 25(OH)D in myopia pathogenesis.

Fracture incidence needs to be evaluated over time to assess the impact of the enlarging population burden of fractures (due to increase in lifespan) and the efficacy of fracture prevention strategies. Therefore, we aimed to evaluate the association of femoral neck bone mineral density (FN-BMD) measured using dual-energy X-ray absorptiometry (DXA) at baseline with fracture risk over a long follow-up time period. Incident non-vertebral fractures were assessed in 14,613 individuals participating in the Rotterdam Study with up to 20 years of follow-up. During a mean follow-up of 10.7 ± 6.2 years, 2971 (20.3%) participants had at least one incident non-vertebral fracture. The risk for any non-vertebral fracture was 1.37 (95% Confidence Interval (CI): 1.25-1.49) and 1.42 (95%CI: 1.35-1.50) for men and women, respectively. The majority (79% in men and 75% in women) of all fractures occurred among participants a normal or osteopenic T-score. The incidence rates per 1000 person-years for the most common fractures were 5.3 [95%CI: 5.0-5.7] for hip, 4.9 [95%CI: 4.6-5.3] for wrist and 2.3 [95%CI: 2.0-2.5] for humerus. To examine the predictive ability of BMD through follow-up time we determined fracture hazard ratios (HR) per standard deviation decrease in femoral neck BMD across five year bins. No differences were observed, with a HR of 2.5 (95%CI: 2.0-3.1) after the first 5 years, and of 1.9 (95%CI: 1.1-3.3) after 20 years. To assess secular trends in fracture incidence at all skeletal sites we compared participants at an age of 70-80 years across two time periods: 1989-2001 (n = 2481, 60% women) and 2001-2013 (n = 2936, 58% women) and found no statistically significant difference (p < 0.05) between fracture incidence rates (i.e., incidence of non-vertebral fractures of 26.4 per 1000 PY [95%CI: 24.4-28.5]) between 1989 and 2001, and of 25.4 per 1000 PY [95%CI: 23.0-28.0] between 2001 and 2013. In conclusion, BMD is still predictive of future fracture over a long period of time. While no secular changes in fractures rates seem to be observed after a decade, the majority of fractures still occur above the osteoporosis threshold, emphasizing the need to improve the screening of osteopenic patients.

We conducted an epigenome-wide association study on obesity-related traits. We used data from 2 prospective, population-based cohort studies: the Rotterdam Study (RS) (2006–2013) and the Atherosclerosis Risk in Communities (ARIC) Study (1990–1992). We used the RS (n = 1,450) as the discovery panel and the ARIC Study (n = 2,097) as the replication panel. Linear mixed-effect models were used to assess the cross-sectional associations between genome-wide DNA methylation in leukocytes and body mass index (BMI) and waist circumference (WC), adjusting for sex, age, smoking, leukocyte proportions, array number, and position on array. The latter 2 variables were modeled as random effects. Fourteen 5′-C-phosphate-G-3′ (CpG) sites were associated with BMI and 26 CpG sites with WC in the RS after Bonferroni correction (P < 1.07 × 10−7), of which 12 and 13 CpGs were replicated in the ARIC Study, respectively. The most significant novel CpGs were located on the Musashi RNA binding protein 2 gene (MSI2; cg21139312) and the leucyl-tRNA synthetase 2, mitochondrial gene (LARS2; cg18030453) and were associated with both BMI and WC. CpGs at BRDT, PSMD1, IFI44L, MAP1A, and MAP3K5 were associated with BMI. CpGs at LGALS3BP, MAP2K3, DHCR24, CPSF4L, and TMEM49 were associated with WC. We report novel associations between methylation at MSI2 and LARS2 and obesity-related traits. These results provide further insight into mechanisms underlying obesity-related traits, which can enable identification of new biomarkers in obesity-related chronic diseases.