Personale

Federica Prinelli

Primo Ricercatore
E-Mail

federica.prinelli@cnr.it

TELEFONO

+390221717204

SEDE

Segrate

Stanza (piano/numero)

-1/03

I am a Senior Researcher and nutritional epidemiologist at ITB-CNR. My academic background is in human nutrition, physiology, and epidemiology (MSc and PhD, University of Milan), followed by a one-year postdoctoral visiting appointment at the Karolinska Institutet (Sweden) and a subsequent role as Principal Investigator at the IRCCS Mondino Foundation (Pavia). Since joining ITB CNR in 2008, my research has focused on understanding how clinical, biological, and behavioural factors-particularly dietary habits-shape the development and progression of complex diseases. My work spans neurodegenerative, metabolic, and respiratory disorders, as well as mortality. Over the years, I have gained solid experience in designing and implementing observational and interventional epidemiological studies, conducting large-scale online surveys across the lifespan, and applying advanced statistical approaches. More recently, I have been adopting a molecular epidemiology framework that integrates population-based cohorts with neuroimaging, multi-omics technologies, and nutritional and clinical phenotyping. This approach aims to clarify the mechanisms linking diet, gut microbiota, metabolism, and brain health to support precision nutrition strategies and the prevention of chronic diseases. I work collaboratively within multidisciplinary teams that include clinicians, epidemiologists, biostatisticians, biologists, and bioinformaticians, and I actively contribute to national and international research projects as PI, co-investigator, or WP/Task leader. I maintain active collaborations within CNR Institutes and with partners such as the IRCCS Mondino Foundation (Pavia), IRCCS Galeazzi – Sant’Ambrogio (Milan), University of Ferrara, German Centre for Neurodegenerative Diseases (DZNE) (Germany), Karolinska Institutet (Sweden), Queen’s University Belfast (UK), and the University of Dublin (Ireland).

Applicazione di metodi statistici avanzati, machine learning, deep learning, intelligenza artificiale spiegabile (XAI) e data mining per la previsione di meccanismi patologici, l'identificazione di biomarcatori di malattia e il supporto alla stratificazione dei pazienti.

Gestione e armonizzazione dei dati biomedici attraverso l'organizzazione, la cura e l'integrazione di set di dati eterogenei di salute e ricerca in formati standardizzati.

Implementazione di studi che combinano metodi epidemiologici classici con tecnologie ad alto rendimento per rivelare la complessa relazione tra profili molecolari, esposizioni ambientali e rischio di malattia.

Studio dei modelli alimentari e dei comportamenti legati allo stile di vita di ampie coorti di persone di varie età e provenienti da diverse regioni, e analisi di come questi fattori influenzano la loro salute.

Sviluppo di profili metabolomici che catturino metaboliti specifici degli alimenti e modelli alimentari più ampi per identificare biomarcatori oggettivi che riflettano accuratamente l'assunzione di nutrienti e le interazioni metaboliche.

Miglioramento della ricerca dietetica ottimizzando gli strumenti di raccolta dati digitali, perfezionando i metodi analitici e sviluppando tecniche robuste per gestire sfide come le risposte mancanti al questionario.