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.

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.

OBJECTIVE To investigate the role of epigenetics in statins’ diabetogenic effect comparing DNA methylation (DNAm) between statin users and nonusers in an epigenome-wide association study in blood. RESEARCH DESIGN AND METHODS Five cohort studies’ participants (n = 8,270) were classified as statin users when they were on statin therapy at the time of DNAm assessment with Illumina 450K or EPIC array or noncurrent users otherwise. Associations of DNAm with various outcomes like incident type 2 diabetes, plasma glucose, insulin, and insulin resistance (HOMA of insulin resistance [HOMA-IR]) as well as with gene expression were investigated. RESULTS Discovery (n = 6,820) and replication (n = 1,450) phases associated five DNAm sites with statin use: cg17901584 (1.12 × 10−25 [DHCR24]), cg10177197 (3.94 × 10−08 [DHCR24]), cg06500161 (2.67 × 10−23 [ABCG1]), cg27243685 (6.01 × 10−09 [ABCG1]), and cg05119988 (7.26 × 10−12 [SC4MOL]). Two sites were associated with at least one glycemic trait or type 2 diabetes. Higher cg06500161 methylation was associated with higher fasting glucose, insulin, HOMA-IR, and type 2 diabetes (odds ratio 1.34 [95% CI 1.22, 1.47]). Mediation analyses suggested that ABCG1 methylation partially mediates the effect of statins on high insulin and HOMA-IR. Gene expression analyses showed that statin exposure and ABCG1 methylation were associated with ABCG1 downregulation, suggesting epigenetic regulation of ABCG1 expression. Further, outcomes insulin and HOMA-IR were significantly associated with ABCG1 expression. CONCLUSIONS This study sheds light on potential mechanisms linking statins with type 2 diabetes risk, providing evidence on DNAm partially mediating statins’ effects on insulin traits. Further efforts shall disentangle the molecular mechanisms through which statins may induce DNAm changes, potentially leading to ABCG1 epigenetic regulation.

Epigenetic mechanisms have been suggested to play a role in the genetic regulation of pathways related to inflammation. Therefore, we aimed to systematically review studies investigating the association between DNA methylation and histone modifications with circulatory inflammation markers in blood. Five bibliographic databases were screened until 21 November of 2017. We included studies conducted on humans that examined the association between epigenetic marks (DNA methylation and/or histone modifications) and a comprehensive list of inflammatory markers. Of the 3,759 identified references, 24 articles were included, involving, 17,399 individuals. There was suggestive evidence for global hypomethylation but better-quality studies in the future have to confirm this. Epigenome-wide association studies (EWAS) (n=7) reported most of the identified differentially methylated genes to be hypomethylated in inflammatory processes. Candidate genes studies reported 18 differentially methylated genes related to several circulatory inflammation markers. There was no overlap in the methylated sites investigated in candidate gene studies and EWAS, except for TMEM49, which was found to be hypomethylated with higher inflammatory markers in both types of studies. The relation between histone modifications and inflammatory markers was assessed by one study only. This review supports an association between epigenetic marks and inflammation, suggesting hypomethylation of the genome. Important gaps in the quality of studies were reported such as inadequate sample size, lack of adjustment for relevant confounders, and failure to replicate the findings. While most of the studies have been focused on C-reactive protein, further efforts should investigate other inflammatory markers.

Abstract Coffee and tea are extensively consumed beverages worldwide which have received considerable attention regarding health. Intake of these beverages is consistently linked to, among others, reduced risk of diabetes and liver diseases; however, the mechanisms of action remain elusive. Epigenetics is suggested as a mechanism mediating the effects of dietary and lifestyle factors on disease onset. Here we report the results from epigenome-wide association studies (EWAS) on coffee and tea consumption in 15,789 participants of European and African-American ancestries from 15 cohorts. EWAS meta-analysis of coffee consumption reveals 11 CpGs surpassing the epigenome-wide significance threshold ( P -value <1.1×10 −7 ), which annotated to the AHRR , F2RL3 , FLJ43663 , HDAC4 , GFI1 and PHGDH genes. Among them, cg14476101 is significantly associated with expression of the PHGDH and risk of fatty liver disease. Knockdown of PHGDH expression in liver cells shows a correlation with expression levels of genes associated with circulating lipids, suggesting a role of PHGDH in hepatic-lipid metabolism. EWAS meta-analysis on tea consumption reveals no significant association, only two CpGs annotated to CACNA1A and PRDM16 genes show suggestive association ( P -value <5.0×10 −6 ). These findings indicate that coffee-associated changes in DNA methylation levels may explain the mechanism of action of coffee consumption in conferring risk of diseases.

Sex is a major determinant of cardiometabolic risk. DNA methylation (DNAm), an important epigenetic mechanism that differs between sexes, has been associated with cardiometabolic diseases. Therefore, we aimed to systematically review studies in adults investigating sex-specific associations of DNAm with intermediate cardiometabolic traits and incident cardiovascular disease including stroke, myocardial infarction (MI) and coronary heart disease (CHD). Five bibliographic databases were searched from inception to 15 July 2019. We selected 35 articles (based on 30 unique studies) from 17,023 references identified, with a total of 14,020 participants of European, North American or Asian ancestry. Four studies reported sex differences between global DNAm and blood lipid levels and stroke risk. In 25 studies that took a genome wide or candidate gene approach, DNAm at 31 gene sites was associated with sex differences in cardiometabolic diseases. The identified genes were PLA2G7, BCL11A, KDM6A, LIPC, ABCG1, PLTP, CETP, ADD1, CNN1B, HOOK2, GFBP-7,PTPN1, GCK, PTX3, ABCG1, GALNT2, CDKN2B, APOE, CTH, GNASAS, INS, PON1, TCN2, CBS, AMT, KDMA6A, FTO, MAP3K13, CCDC8, MMP-2 and ER-α. Prioritized pathway connectivity analysis associated these genes with biological pathways such as vitamin B12 metabolism, statin pathway, plasma lipoprotein, plasma lipoprotein assembly, remodeling and clearance and cholesterol metabolism. Our findings suggest that DNAm might be a promising molecular strategy for understanding sex differences in the pathophysiology of cardiometabolic diseases and that future studies should investigate the effects of sex on epigenetic mechanisms in cardiometabolic risk. In addition, we emphasize the gap between the translational potential and the clinical utilization of cardiometabolic epigenetics.

Fatty liver disease (FLD), primarily nonalcoholic fatty liver disease (NAFLD), is the most common liver disorder that affects a quarter of the global population. NAFLD is a spectrum of disease ranging from simple steatosis to nonalcoholic steatohepatitis, which is associated with increased risk of developing liver cancer. Given that the pathogenic mechanisms of fatty liver remain largely elusive, it is important to further investigate potential underlying mechanisms including epigenetic modifications. Here, we performed a systematic review of human epigenetic studies on FLD presence.Five bibliographic databases were screened until 28 August 2020. We included cross-sectional, case-control and cohort studies in humans that examined the association of epigenetic modifications including global, candidate or epigenome-wide methylation of DNA, noncoding RNAs and histone modifications with FLD.In total 36 articles, based on 33 unique studies, consisting of 12 112 participants met the inclusion criteria. Among these, two recent epigenome-wide association studies conducted among large population-based cohorts have reported the association between cg06690548 (SLC7A11) and FLD. Moreover, several studies have demonstrated the association between microRNAs (miRNAs) and FLD, in which miR-122, miR-34a and miR-192 were recognized as the most relevant miRNAs as biomarkers for FLD. We did not find any studies examining histone modifications in relation to FLD.Cumulative evidence suggests a link between epigenetic mechanisms, specifically DNA methylation and miRNAs, and FLD. Further efforts should investigate the molecular pathways by which these epigenetic markers may regulate FLD and also the potential role of histone modifications in FLD.

Abstract Biological age captures a person’s age-related risk of unfavorable outcomes using biophysiological information. Multivariate biological age measures include frailty scores and molecular biomarkers. These measures are often studied in isolation, but here we present a large-scale study comparing them. In 2 prospective cohorts (n = 3 222), we compared epigenetic (DNAm Horvath, DNAm Hannum, DNAm Lin, DNAm epiTOC, DNAm PhenoAge, DNAm DunedinPoAm, DNAm GrimAge, and DNAm Zhang) and metabolomic-based (MetaboAge and MetaboHealth) biomarkers in reflection of biological age, as represented by 5 frailty measures and overall mortality. Biomarkers trained on outcomes with biophysiological and/or mortality information outperformed age-trained biomarkers in frailty reflection and mortality prediction. DNAm GrimAge and MetaboHealth, trained on mortality, showed the strongest association with these outcomes. The associations of DNAm GrimAge and MetaboHealth with frailty and mortality were independent of each other and of the frailty score mimicking clinical geriatric assessment. Epigenetic, metabolomic, and clinical biological age markers seem to capture different aspects of aging. These findings suggest that mortality-trained molecular markers may provide novel phenotype reflecting biological age and strengthen current clinical geriatric health and well-being assessment.

Smoking is a potentially causal behavioral risk factor for type 2 diabetes (T2D), but not all smokers develop T2D. It is unknown whether genetic factors partially explain this variation. We performed genome-environment-wide interaction studies to identify loci exhibiting potential interaction with baseline smoking status (ever vs. never) on incident T2D and fasting glucose (FG). Analyses were performed in participants of European (EA) and African ancestry (AA) separately. Discovery analyses were conducted using genotype data from the 50,000-single-nucleotide polymorphism (SNP) ITMAT-Broad-CARe (IBC) array in 5 cohorts from from the Candidate Gene Association Resource Consortium (n = 23,189). Replication was performed in up to 16 studies from the Cohorts for Heart Aging Research in Genomic Epidemiology Consortium (n = 74,584). In meta-analysis of discovery and replication estimates, 5 SNPs met at least one criterion for potential interaction with smoking on incident T2D at p<1x10-7 (adjusted for multiple hypothesis-testing with the IBC array). Two SNPs had significant joint effects in the overall model and significant main effects only in one smoking stratum: rs140637 (FBN1) in AA individuals had a significant main effect only among smokers, and rs1444261 (closest gene C2orf63) in EA individuals had a significant main effect only among nonsmokers. Three additional SNPs were identified as having potential interaction by exhibiting a significant main effects only in smokers: rs1801232 (CUBN) in AA individuals, rs12243326 (TCF7L2) in EA individuals, and rs4132670 (TCF7L2) in EA individuals. No SNP met significance for potential interaction with smoking on baseline FG. The identification of these loci provides evidence for genetic interactions with smoking exposure that may explain some of the heterogeneity in the association between smoking and T2D.

Data on the lifetime risk of type 2 diabetes (T2D) incidence across different cardiovascular health (CVH) categories are scarce. Moreover, it remains unclear whether a genetic predisposition modifies this association.Using data from the prospective population-based Rotterdam Study, a CVH score (body mass index, blood pressure, total cholesterol, smoking status, diet, and physical activity) was calculated and further categorized at baseline. Genetic predisposition to T2D was assessed and divided into tertiles by creating a genetic risk score (GRS). We estimated the lifetime risk for T2D within different CVH and GRS categories. Among 5993 individuals free of T2D at baseline [mean (standard deviation) age, 69.1 (8.5) years; 58% female], 869 individuals developed T2D during follow-up. At age 55 years, the remaining lifetime risk of T2D was 22.6% (95% CI: 19.4-25.8) for ideal, 28.3% (25.8-30.8) for intermediate, and 32.6% (29.0-36.2) for poor CVH. After further stratification by GRS tertiles, the lifetime risk for T2D was still the lowest for ideal CVH in the lowest GRS tertiles [21.5% (13.7-29.3)], in the second GRS tertile [20.8% (15.9-25.8)], and in the highest tertile [23.5% (18.5-28.6)] when compared with poor and intermediate CVH.Our results highlight the importance of favourable CVH in preventing T2D among middle-aged individuals regardless of their genetic predisposition.