The fat mass and obesity–associated gene (FTO) has been shown to be associated with obesity and to influence appetite regulation. The aim was to examine whether dietary factors (macronutrient and fiber intakes) and leisure-time physical activity modify the association between genetic variation in FTO and body mass index (BMI; in kg/m2). A cross-sectional study examined 4839 subjects in the population-based Malmö Diet and Cancer study with dietary data (from a modified diet history method) and information on the genetic variant FTO (rs9939609). Direct anthropometric measures were made, and leisure-time physical activity was determined from the duration participants spent on 18 different physical activities. Significant interactions between energy-adjusted fat intake and FTO genotype (P = 0.04) and between carbohydrate intake and FTO genotype (P = 0.001) on BMI were observed. The observed increase in BMI across FTO genotypes was restricted to those who reported a high-fat diet, with a mean BMI of 25.3 (95% CI: 24.9, 25.6) among TT carriers and of 26.3 (95% CI: 25.8, 26.8) among AA carriers (P = 0.0001). The FTO variant was not associated with a higher BMI among subjects with lower fat intakes (BMI = 25.7 and 25.9 in TT carriers and AA carriers, respectively; P = 0.42). Among individuals with a low-carbohydrate intake, we observed a mean BMI of 25.4 for TT carriers and of 26.8 for AA carriers. The increase in BMI across genotypes was mainly restricted to individuals who reported low leisure-time physical activity (P for trend = 0.004, P for interaction = 0.05). Our results indicate that high-fat diets and low physical activity levels may accentuate the susceptibility to obesity by the FTO variant.

Earlier analyses within the EPIC study showed that dietary fibre intake was inversely associated with colorectal cancer risk, but results from some large cohort studies do not support this finding. We explored whether the association remained after longer follow-up with a near threefold increase in colorectal cancer cases, and if the association varied by gender and tumour location.After a mean follow-up of 11.0 years, 4,517 incident cases of colorectal cancer were documented. Total, cereal, fruit, and vegetable fibre intakes were estimated from dietary questionnaires at baseline. Hazard ratios (HRs) and 95% confidence intervals (CIs) were estimated using Cox proportional hazards models stratified by age, sex, and centre, and adjusted for total energy intake, body mass index, physical activity, smoking, education, menopausal status, hormone replacement therapy, oral contraceptive use, and intakes of alcohol, folate, red and processed meats, and calcium. After multivariable adjustments, total dietary fibre was inversely associated with colorectal cancer (HR per 10 g/day increase in fibre 0.87, 95% CI: 0.79-0.96). Similar linear associations were observed for colon and rectal cancers. The association between total dietary fibre and risk of colorectal cancer risk did not differ by age, sex, or anthropometric, lifestyle, and dietary variables. Fibre from cereals and fibre from fruit and vegetables were similarly associated with colon cancer; but for rectal cancer, the inverse association was only evident for fibre from cereals.Our results strengthen the evidence for the role of high dietary fibre intake in colorectal cancer prevention.

AimsWe recently identified a metabolic signature of three amino acids (tyrosine, phenylalanine, and isoleucine) that strongly predicts diabetes development. As novel modifiable targets for intervention are needed to meet the expected increase of cardiovascular disease (CVD) caused by the diabetes epidemic, we investigated whether this diabetes-predictive amino acid score (DM-AA score) predicts development of CVD and its functional consequences.

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.

Macronutrient intake, the proportion of calories consumed from carbohydrate, fat, and protein, is an important risk factor for metabolic diseases with significant familial aggregation. Previous studies have identified two genetic loci for macronutrient intake, but incomplete coverage of genetic variation and modest sample sizes have hindered the discovery of additional loci. Here, we expanded the genetic landscape of macronutrient intake, identifying 12 suggestively significant loci (P < 1 × 10−6) associated with intake of any macronutrient in 91,114 European ancestry participants. Four loci replicated and reached genome-wide significance in a combined meta-analysis including 123,659 European descent participants, unraveling two novel loci; a common variant in RARB locus for carbohydrate intake and a rare variant in DRAM1 locus for protein intake, and corroborating earlier FGF21 and FTO findings. In additional analysis of 144,770 participants from the UK Biobank, all identified associations from the two-stage analysis were confirmed except for DRAM1. Identified loci might have implications in brain and adipose tissue biology and have clinical impact in obesity-related phenotypes. Our findings provide new insight into biological functions related to macronutrient intake.

Importance

 Observational studies have shown associations of birth weight with type 2 diabetes (T2D) and glycemic traits, but it remains unclear whether these associations represent causal associations. 

Objective

 To test the association of birth weight with T2D and glycemic traits using a mendelian randomization analysis. 

Design, Setting, and Participants

 This mendelian randomization study used a genetic risk score for birth weight that was constructed with 7 genome-wide significant single-nucleotide polymorphisms. The associations of this score with birth weight and T2D were tested in a mendelian randomization analysis using study-level data. The association of birth weight with T2D was tested using both study-level data (7 single-nucleotide polymorphisms were used as an instrumental variable) and summary-level data from the consortia (43 single-nucleotide polymorphisms were used as an instrumental variable). Data from 180 056 participants from 49 studies were included. 

Main Outcomes and Measures

 Type 2 diabetes and glycemic traits. 

Results

 This mendelian randomization analysis included 49 studies with 41 155 patients with T2D and 80 008 control participants from study-level data and 34 840 patients with T2D and 114 981 control participants from summary-level data. Study-level data showed that a 1-SD decrease in birth weight due to the genetic risk score was associated with higher risk of T2D among all participants (odds ratio [OR], 2.10; 95% CI, 1.69-2.61;P = 4.03 × 10⁻⁵), among European participants (OR, 1.96; 95% CI, 1.42-2.71;P = .04), and among East Asian participants (OR, 1.39; 95% CI, 1.18-1.62;P = .04). Similar results were observed from summary-level analyses. In addition, each 1-SD lower birth weight was associated with 0.189 SD higher fasting glucose concentration (β = 0.189; SE = 0.060;P = .002), but not with fasting insulin, 2-hour glucose, or hemoglobin A_1cconcentration. 

Conclusions and Relevance

 In this study, a genetic predisposition to lower birth weight was associated with increased risk of T2D and higher fasting glucose concentration, suggesting genetic effects on retarded fetal growth and increased diabetes risk that either are independent of each other or operate through alterations of integrated biological mechanisms.

To investigate whether the genetic burden of type 2 diabetes modifies the association between the quality of dietary fat and the incidence of type 2 diabetes.Individual participant data meta-analysis.Eligible prospective cohort studies were systematically sourced from studies published between January 1970 and February 2017 through electronic searches in major medical databases (Medline, Embase, and Scopus) and discussion with investigators.Data from cohort studies or multicohort consortia with available genome-wide genetic data and information about the quality of dietary fat and the incidence of type 2 diabetes in participants of European descent was sought. Prospective cohorts that had accrued five or more years of follow-up were included. The type 2 diabetes genetic risk profile was characterized by a 68-variant polygenic risk score weighted by published effect sizes. Diet was recorded by using validated cohort-specific dietary assessment tools. Outcome measures were summary adjusted hazard ratios of incident type 2 diabetes for polygenic risk score, isocaloric replacement of carbohydrate (refined starch and sugars) with types of fat, and the interaction of types of fat with polygenic risk score.Of 102 305 participants from 15 prospective cohort studies, 20 015 type 2 diabetes cases were documented after a median follow-up of 12 years (interquartile range 9.4-14.2). The hazard ratio of type 2 diabetes per increment of 10 risk alleles in the polygenic risk score was 1.64 (95% confidence interval 1.54 to 1.75, I2=7.1%, τ2=0.003). The increase of polyunsaturated fat and total omega 6 polyunsaturated fat intake in place of carbohydrate was associated with a lower risk of type 2 diabetes, with hazard ratios of 0.90 (0.82 to 0.98, I2=18.0%, τ2=0.006; per 5% of energy) and 0.99 (0.97 to 1.00, I2=58.8%, τ2=0.001; per increment of 1 g/d), respectively. Increasing monounsaturated fat in place of carbohydrate was associated with a higher risk of type 2 diabetes (hazard ratio 1.10, 95% confidence interval 1.01 to 1.19, I2=25.9%, τ2=0.006; per 5% of energy). Evidence of small study effects was detected for the overall association of polyunsaturated fat with the risk of type 2 diabetes, but not for the omega 6 polyunsaturated fat and monounsaturated fat associations. Significant interactions between dietary fat and polygenic risk score on the risk of type 2 diabetes (P>0.05 for interaction) were not observed.These data indicate that genetic burden and the quality of dietary fat are each associated with the incidence of type 2 diabetes. The findings do not support tailoring recommendations on the quality of dietary fat to individual type 2 diabetes genetic risk profiles for the primary prevention of type 2 diabetes, and suggest that dietary fat is associated with the risk of type 2 diabetes across the spectrum of type 2 diabetes genetic risk.

Abstract BACKGROUND Associations between dairy intake and body mass index (BMI) have been inconsistently observed in epidemiological studies, and the causal relationship remains ill defined. METHODS We performed Mendelian randomization (MR) analysis using an established dairy intake-associated genetic polymorphism located upstream of the lactase gene (LCT-13910 C/T, rs4988235) as an instrumental variable (IV). Linear regression models were fitted to analyze associations between (a) dairy intake and BMI, (b) rs4988235 and dairy intake, and (c) rs4988235 and BMI in each study. The causal effect of dairy intake on BMI was quantified by IV estimators among 184802 participants from 25 studies. RESULTS Higher dairy intake was associated with higher BMI (β = 0.03 kg/m2 per serving/day; 95% CI, 0.00–0.06; P = 0.04), whereas the LCT genotype with 1 or 2 T allele was significantly associated with 0.20 (95% CI, 0.14–0.25) serving/day higher dairy intake (P = 3.15 × 10−12) and 0.12 (95% CI, 0.06–0.17) kg/m2 higher BMI (P = 2.11 × 10−5). MR analysis showed that the genetically determined higher dairy intake was significantly associated with higher BMI (β = 0.60 kg/m2 per serving/day; 95% CI, 0.27–0.92; P = 3.0 × 10−4). CONCLUSIONS The present study provides strong evidence to support a causal effect of higher dairy intake on increased BMI among adults.

Epidemiology studies suggested that low birthweight was associated with a higher risk of hypertension in later life. However, little is known about the causality of such associations. In our study, we evaluated the causal association of low birthweight with adulthood hypertension following a standard analytic protocol using the study-level data of 183,433 participants from 60 studies (CHARGE-BIG consortium), as well as that with blood pressure using publicly available summary-level genome-wide association data from EGG consortium of 153,781 participants, ICBP consortium and UK Biobank cohort together of 757,601 participants. We used seven SNPs as the instrumental variable in the study-level analysis and 47 SNPs in the summary-level analysis. In the study-level analyses, decreased birthweight was associated with a higher risk of hypertension in adults (the odds ratio per 1 standard deviation (SD) lower birthweight, 1.22; 95% CI 1.16 to 1.28), while no association was found between genetically instrumented birthweight and hypertension risk (instrumental odds ratio for causal effect per 1 SD lower birthweight, 0.97; 95% CI 0.68 to 1.41). Such results were consistent with that from the summary-level analyses, where the genetically determined low birthweight was not associated with blood pressure measurements either. One SD lower genetically determined birthweight was not associated with systolic blood pressure (β = - 0.76, 95% CI - 2.45 to 1.08 mmHg), 0.06 mmHg lower diastolic blood pressure (β = - 0.06, 95% CI - 0.93 to 0.87 mmHg), or pulse pressure (β = - 0.65, 95% CI - 1.38 to 0.69 mmHg, all p > 0.05). Our findings suggest that the inverse association of birthweight with hypertension risk from observational studies was not supported by large Mendelian randomization analyses.

Different approaches have been used for translation of the EAT-Lancet reference diet into dietary scores that can be used to assess health and environmental impact. Our aim was to compare the different EAT-Lancet diet scores, and to estimate their associations with all-cause mortality, stroke incidence, and greenhouse gas emissions. We did a systematic review (PROSPERO, CRD42021286597) to identify different scores representing adherence to the EAT-Lancet reference diet. We then qualitatively compared the diet adherence scores, including their ability to group individuals according the EAT-Lancet reference diet recommendations, and quantitatively assessed the associations of the diet scores with health and environmental outcome data in three diverse cohorts: the Danish Diet, Cancer and Health Cohort (DCH; n=52 452), the Swedish Malmö Diet and Cancer Cohort (MDC; n=20 973), and the Mexican Teachers' Cohort (MTC; n=30 151). The DCH and MTC used food frequency questionnaires and the MDC used a modified diet history method to assess dietary intake, which we used to compute EAT-Lancet diet scores and evaluate the associations of scores with hazard of all-cause mortality and stroke. In the MDC, dietary greenhouse gas emission values were summarised for every participant, which we used to predict greenhouse gas emissions associated with varying diet adherence scores on each scoring system. In our review, seven diet scores were identified (Knuppel et al, 2019; Trijsburg et al, 2020; Cacau et al, 2021; Hanley-Cook et al, 2021; Kesse-Guyot et al, 2021; Stubbendorff et al, 2022; and Colizzi et al, 2023). Two of the seven scores (Stubbendorff and Colizzi) were among the most consistent in grouping participants according to the EAT-Lancet reference diet recommendations across cohorts, and higher scores (greater diet adherence) were associated with decreased risk of mortality (in the DCH and MDC), decreased risk of incident stroke (in the DCH and MDC for the Stubbendorff score; and in the DCH for the Colizzi score), and decreased predicted greenhouse gas emissions in the MDC. We conclude that the seven different scores representing the EAT-Lancet reference diet had differences in construction, interpretation, and relation to disease and climate-related outcomes. Two scores generally performed well in our evaluation. Future studies should carefully consider which diet score to use and preferably use multiple scores to assess the robustness of estimations, given that public health and environmental policy rely on these estimates.