Genom att kombinera artificiell intelligens med genetiska analyser har forskare identifierat en tidigare okänd genetisk region kopplad till gångart hos colombianska paso-hästar. Resultaten kan på sikt bidra till mer objektiva metoder inom hästavel och ge ny kunskap om hur nervsystemet styr rörelser.

Sveriges lantbruksuniversitet (SLU) lyfter i sin Kunskapsbank fram en ny studie där forskare kombinerat artificiell intelligens och genetiska analyser för att undersöka hästars gångarter. Resultaten visar att AI kan upptäcka skillnader i rörelsemönster som tidigare varit svåra att identifiera och kopplar dessa till en tidigare okänd genetisk region.

Hur hästars gångarter bedöms har länge byggt på domares och uppfödares erfarenhet. Men vissa skillnader mellan närbesläktade gångarter är så små att de kan vara svåra att uppfatta med blotta ögat.

I den aktuella studien registrerade forskarna mer än 226 000 steg från 225 colombianska paso-hästar med hjälp av rörelsesensorer. Därefter analyserades rörelsemönstren med en AI-modell som klassificerade hästarnas gångarter.

AI upptäckte avvikelser

Resultaten visade att nästan hälften av hästarna fick en annan gångartsklassificering än den som tidigare hade gjorts av uppfödare och domare.

AI-systemet identifierade mycket små skillnader i rörelsernas timing och koordination – skillnader som enligt forskarna är svåra eller omöjliga att upptäcka med enbart mänsklig observation.

Studien fokuserade på att skilja mellan de två närbesläktade gångarterna colombiansk trocha och colombiansk trav.

Tidigare okänd genetisk region

Forskarna genomförde även genetiska analyser och identifierade en tidigare okänd region på hästens kromosom 16 som skiljer de båda gångarterna åt.

Regionen innehåller flera gener som är aktiva i nervsystemet och har betydelse för motorisk kontroll och koordination. Två av de gener som lyfts fram är ATP2B2 och SRGAP3, vilka tidigare har kopplats till nervsystemets utveckling hos däggdjur.

Enligt forskarna verkar mekanismen vara oberoende av den sedan tidigare välkända DMRT3-mutationen, som har stor betydelse för flera andra gångarter hos häst.

Kan få betydelse för aveln

Forskarna menar att kombinationen av AI-baserad rörelseanalys och genomik kan ge nya möjligheter att studera komplexa biologiska egenskaper.

På sikt skulle resultaten kunna bidra till mer objektiva metoder för att identifiera och bevara olika gångarter inom hästaveln. Studien ger också ny kunskap om hur nervsystemet reglerar koordinerade rörelser hos däggdjur.

Forskarna lyfter dessutom fram att flera av de identifierade generna har motsvarande funktioner hos andra däggdjur, vilket enligt studien kan göra resultaten intressanta även utanför hästforskningen.

Läs mer:

Studien: Machine learning-based gait classification and genome-wide association identify a QTL for gait type in Colombian paso horses publicerades 2026.

Läs mer i SLU:s artikel i Kunskapsbanken