Integrazione di dati genomici e nuovi fenotipi nelle razze equine italiane

L'industria equina italiana si trova ad affrontare una duplice sfida: preservare la diversità genetica nelle razze autoctone e sfruttare i progressi della genomica per migliorare le razze selezionate attraverso strategie di selezione innovative. Questa ricerca ha investigato queste sfide attraverso due obiettivi principali. In primo luogo, abbiamo analizzato lo stato attuale del pool genico italiano moderno utilizzando un dataset completo di 1.308 individui appartenenti a 22 razze, genotipizzati con un pannello a media densità. Attraverso analisi di scaling multidimensionale, mescolanza genetica, flusso genico e dimensione effettiva della popolazione, abbiamo rilevato che alcune razze italiane native mantengono pool genici distinti, probabilmente a causa dell'adattamento a diversi contesti geografici. Tuttavia, è stato osservato un significativo flusso genico da razze internazionali in diverse razze italiane. Le razze a sangue freddo hanno mostrato una più forte identità genetica rispetto alle razze a sangue caldo altamente miste, mentre alcune razze hanno dimostrato una distintività basata principalmente su fattori culturali e geografici piuttosto che su una vera e propria unicità genetica. Il secondo obiettivo si è concentrato sulla comprensione dei segni di selezione e sull'integrazione di nuovi caratteri nelle strategie di allevamento. L'analisi dei dati genomici di 180 cavalli Anglo Arabi e 1.489 cavalli provenienti da cinque razze locali ha rivelato distinti pattern di regioni di omozigosi (ROH) e consanguineità. I coefficienti di consanguineità genomica hanno indicato valori medi più elevati rispetto ai calcoli basati sul pedigree, sottolineando l'importanza dell’uso di analisi genomiche. Sono state identificate segni di selezione per caratteri come il colore del mantello, la taglia corporea, l'altezza e le prestazioni in corsa, riflettendo gli obiettivi di selezione specifici per razza. Inoltre, abbiamo valutato il potenziale della tecnologia delle unità di misura inerziale (IMU) per l'analisi dell'andatura nei cavalli Bardigiano e Murgese. Lo studio ha rivelato variazioni nelle caratteristiche dell'andatura specifiche per razza, con la regolarità e l'elevazione al passo che mostrano la più alta ripetibilità. Sono stati confrontati tre algoritmi di machine learning per prevedere i punteggi dei giudici dalle misurazioni IMU: Support Vector Machine , Gradient Boosting Machine e K-Nearest Neighbors. Il Gradient Boosting Machine ha dimostrato prestazioni superiori, suggerendo promettenti applicazioni della tecnologia IMU nella valutazione delle prestazioni e nei programmi di allevamento equino.