آنالیز داده های ژنومی با مدل مختلط خطی تک متغیره و چند متغیره در نرم‌افزار MTG2

آنالیز داده های ژنومی با مدل مختلط خطی تک متغیره و چند متغیره در نرم‌افزار MTG2

وحید جلیلی¹ و سید عباس رافت²

¹ دانشجوی کارشناسی ارشد، گروه علوم دامی دانشکده کشاورزی دانشگاه تبریز

²  استاد گروه علوم دامی، دانشکده کشاورزی، دانشگاه تبریز

نویسنده مسئول: Email:[e-mail]

چکیده

در چند سال اخیر نرم‌افزارهای آماری و ژنتیکی بسیاری برای مقاصد مختلف تدوین شده و در اختیار کاربران مربوطه قرار داده شده است. در سال‌های اخیر به علت مواجهه با سونامی داده‌ها به خصوص در بخش‌های ژنتیکی و اصلاح نژادی ما نیازمند یک نرم‌افزار قوی برای آنالیز داده‌ها هستیم هدف از این تحقیق معرفی نرم‌افزاری است که بتواند داده های بزرگ در زمان کمتری آنالیز کند و برخی از نرم‌افزارها به علت بالا بودن زمان محاسباتی بیشتر مورد استفاده قرار نمی‌گیرد و به همین خاطر در سال‌های اخیر نرم‌افزارهایی که می‌توانند داده‌های بزرگ را در زمان کمتری آنالیز کنند، طرفداران زیادی دارند در علوم دامی بخصوص ژنتیک و اصلاح ‌نژاد ‌دام تعداد نرم‌افزارهای تخصصی برای مقاصد آماری و برآورد پارامترهای ژنتیکی نیز کم نبوده که می توان از بین آنها به نرم‌افزارهای آموزشی (Gregore, SIP, GENUP) و نرم افزارهای براورد پارامترهای ژنتیکی و اجزای واریانس (DMU ،Matvec،WOMBAT،DFREML،MIXED‌procedure،MTDFREML،Quercus) و اجزایکواریانس (GSED,GENEPOP, BOTTLENECK) و  نرم‌افزارهای ژنتیک جمعیت ASReml  وThrgibbsf90 ، و نرم افزارهای آنالیز لینکاژی و تشخیص و نقشه یابی(MQTL ،DnaSP ،POPGENE, QTL, Multimapper) اشاره کرد. انتخاب نرم افزار به سلیقه، هدف کاربر در تحقیق و هزینه ای که برای تحقیق در بخش مورد نظر پرداخت می کند، بستگی دارد. در سال‌های اخیر بدلیل بزرگ بودن داده‌ها بخصوص در بخش ژنتیک، محققین به دنبال نرم‌افزاری هستند که با هزینه کمترین زمان آن‌ها به هدف خود برساند که از این لحاظ MTG2 نسبت به بقیه نرم‌افزارها برتری دارد. به طور کلی، MTG2  یک برنامه (نرم افزار) کامپیوتری است که با به اجرا در آوردن یک مدل مختلط خطی چند متغیره می‌تواند ساختارهای کواریانس پیچیده را با استفاده از اطلاعات ژنومی تهیه کند.

کلمات کلیدی: تکنیک تجزیه باقیمانده، ژنتیک و اصلاح نژاد ، نرم‌افزارهای آماری و ژنتیکی،، MTG2

مقدمه 

 MTG2[1] همان ورژن چند متغیره از GCTA-REML است که می‌تواند REML را برای واریانس ژنتیکی و محیطی و کواریانس بین چند صفت را با بهترین پیش‌بینی نااریب خطی[2] برای شایستگی ژنتیک کمی تخمین بزند (lee and van der werf, 2016). پیشرفت‌های حاصل در زمینه ژنتیک کمی و بهبود ژنتیکی دام ها تا حد زیادی مدیون توسعه روش های مناسب در برآورد پارامترها و آنالیز آماری صفات کمی است. این روش ها را می توان به دو دسته کلی روش های فراوانی گرا (کلاسیک) و بیزین تقسیم کرد که هر چند ممکن است در بعضی موارد نتایج حاصل از دو روش با هم مشابه باشند، ولی به هر حال، این روش ها از دو دیدگاه فلسفی متفاوت پیروی می‌کنند که به همین خاطر این روش ها، تحت عنوان دو مکتب کلاسیک و بیزین تقسیم بندی می شوند. روش هایی که بیشتر ما در برآورد ارزش های اصلاحی یا مؤلفه های واریانس با آنها آشنا هستیم عمدتاً از مکتب کلاسی کمی باشد. به طور بسیار خلاصه در مکتب کلاسیک فرض بر این است که هر صفت تحت تأثیر دو سری عوامل ثابت و تصادفی قرار می گیرند، یکسری داده جمع آوری میشوند و با استفاده از آنها پارامترهای نامعلوم برآورد می‌شوند. کاربرد معمول mtg2 در آنالیز دادهای (نا)متعادل تکرار شده در طول زمان، آنالیز طرح‌های آزمایشی (نا)متعادل، آنالیز آزمایشات محیطی، آنالیز مدل‌های یک و چند متغیره در ژنتیک و اصلاح نژاد دام می‌باشد .ترکیب الگوریتم AI[3] مستقیم با یک تجزیه ویژه از ماتریس خویشاوندی ژنتیکی، که برای اولین بار توسط تامسون و شآو در سال 1990 پیشنهاد شد (Thompson and Shaw 1990)، در MTG2 به کار گرفته شده است . با به کار گیری مدل‌های تک‌متغیره و چند‌متغیره و مدل‌های مختلط خطی رگرسیون تصادفی با یک ساختار کواریانس ژنتیکی اثبات شد که کارآیی محاسباتی می‌تواند تا 1000< برابر در مقایسه با برنامه‌های بر پایه [4]MME افزایش یابد((lee and van der werf, 2016 بعلاوه در برآورد بیان واریانس ژنتیکی به وسیله مارکرهای ژنتیکی(مثل اسنیپ‌ها و غیره)، AI  به عنوان یه الگوریتم ژنتیکی کارآمد برای برآورد تخمین REML معرفی شده است(lee and van der werf, 2006 And  Lee et al. 2012  ) . با توجه به کارهای انجام شده در مورد  AI، نشان داده شده است که پیاده‌سازی الگوریتم AI به صورت مستقیم از نظر ریاضی آسان و از نظر محاسباتی خیلی کارآمد است (به خصوص در مدل‌های مختلط خطی چند متغیره) (Lee and J.H.J van der Werf, 2016).

دستورات استفاده شده در MTG2 یک تغییر ساده از سینتکس Plink و GCTA است.  در این نرم‌افزار، از مدل‌های مختلط خطی و مدل‌های رگرسیونی تصادفی برای تخمین واریانس-کواریانس ژنتیکی بین صفات چندگانه و صفات بیان شده در محیط‌های مختلف، استفاده می‌شود.

محدودیت برای mtg2

دو محدودیت اصلی برای mtg2 و GEMMA وجود دارد که آن عدم داشتن توانایی حل تکنیک تجزیه ویژه با بیش از یک [5]GRM  است و در صورت انجام مدل ‌هایی با چند GRM به علت عدم استفاده از تکنیک تجزیه ویژه، این عمل به کندی انجام می‌گیرد.

مواد و روش‌ها:

جدول 1: مقایسه زمان محاسباتی توسط 4 نرم‌افزار کاربردی در هنگام استفاده از داده‌های 1908 موش (lee and van der werf, 2016)

در یکی از بررسی ها که توسط سانگ هونگ لی و همکاران (2016) انجام گرفت الگوریتم AI با تکنیک تجزیه ویژه را بر روی داده‌های 1908 عدد موش با 4 نرم‌افزار کاربردی اجرا کردند که در هنگام این بررسی نشان داده شد که MTG2 همیشه دارای پایین‌ترین زمان محاسباتی است(lee and van der werf, 2016) . این برنامه همچنین برای بررسی میزان ARIC [6] در انسان  (Sharrett, 1992) مورد استفاده قرار گرفته است .

فایل‌های مورد استفاده در mtg2، شبیه به نرم‌افزارهایی همچون Plink یا  GCTA است. برای کسب اطلاع از نحوه ساخت یا آشنایی بیشتر با این نرم‌افزار شما می‌توانید به سایت https://sites.google.com/site/honglee0707/mtg2 یا https://www.cog-genomics.org/plink/2.0/formats مراجعه فرمایید.

تکنیک و مدل:

مدل و تکنیک مَد نظر محقق تعیین کننده فرمول یا سینتکس مورد استفاده در MTG2 است مثلا فرمول یا کُد یا دستور استفاده شده برای مدل‌های خطی به همراه تکنیک تجزیه ویژه متفاوت از مدل مختلط  بدون تجزیه ویژه است.

Mtg2 از cmd به عنوان کامپایلر (زمینه اجرایی) استفاده می کند پیش از شروع کار و ورود دستورات مورد نظر در mtg2، ابتدا باید تمام فایل مورد نیاز برای دستور مورد نظر را در یک پوشه مجزا قرار داده و با استفاده از دستورcd در cmd آدرس فایل مورد نظر را معرفی کنید و سپس می‌توانید مدل‌های مختلف را با سینتکس‌های مربوطه در نرم‌افزار بیاورید.

 سینتکس یا دستور کلی استفاده شده در MTG2 طبق دستور زیر است فقط چند تفاوت اساسی دارد که در ادامه به آن می‌پردازیم.

در صورت استفاده از مدل مختلط خطی تک متغیره و چند متغیره با تکنیک تجزیه ویژه، از آپشن –eig برای معرفی فایل grm استفاده می‌کنیم که باعث می‌شود mtg2 با تشکیل ماتریس بردار ویژه و ارزش ویژه  این مدل را در زمان کمتری انجام دهد. ماتریس ارزش ویژه و بردار ویژه را می‌توان با دستور زیر در mtg2 ساخت.

در صورت استفاده از مدل مختلط خطی چند متغیره با مدلسازی کواریانس باقیمانده، بدلیل وجود فنوتیپ‌های چندگانه صفات مختلف از آپشن cov1 استفاده می‌کنیم. این آپشن را می‌توان همراه با روش تجزیه ویژه نیز به کار برد که در دستور زیر هر دو دستور آورده شده است.

در مدل مختلط خطی رگرسیون تصادفی همه فایل‌های مورد نیاز برای استفاده کردن از این مدل شبیه به مدل مختلط خطی است فقط یک فایل با فرمت .par در این مدل وجود دارد که باعث متمایز بودن این مدل از مدل چند متغیره می‌شود که با دستور -rrm برای برنامه شناسانده می‌شود. این فایل از دو خط (یا ردیف) تشکیل شده است که خط اول نشانگر مرتبه برای چند جمله‌ای لژاندر برای هر اثر تصادفی است. و خط دوم ارزش‌های متناظر برای هر محیط یا شرایط مورد آزمایش است.

در هنگام استفاده از  مدل رگرسیون تصادفی ، در صورت استفاده از ماتریس طرح متعادل در محیط های مختلف (بدون داده گمشده یا NA) و همراه با grm واحد، زمان محاسباتی را می‌توان با بکارگیری تکنیک تجزیه ویژه کاهش داد.

مدل رگرسیون تصادفی با مدلسازی کواریانس باقیمانده زمانی استفاده می‌شود که فنوتیپ‌های چندگانه در محیط‌های مختلف(اندازه‌گیری مکرر) وجود داشته باشد که  نیازمند به یک مدلسازی کواریانس از باقیمانده‌ها هستیم که می‌توان با استفاده از یک مدل اثرات تصادفی چندگانه که شامل grmهای با ماتریس متعادل است، آن را انجام داد. برای اجرای این مدل نیازمند فایل با فرمت .txt که با کُد –mg شناسانده می‌شود، هستیم که این فایل دارای اسم فایل‌های grm است. با استفاده از این فایل برنامه می‌تواند مدل را با استفاده از grm چندگانه انجام دهد. دستور مدل رگرسیون تصادفی با و بدون استفاده از تکنیک تجزیه ویژه به صورت زیر است.

تمام فایل‌های مورد استفاده در مدل رگرسیون تصادفی با تابع اسپلاین (جزو توابع چندضابطه ای-چندجمله‌ای است) شبیه مدل مختلط خطی چند متغیره است با تفاوت بر این که در این مدل از یک فایل به فرمت.par نیز استفاده می‌کنند که با کُد spl شناسانده می‌شود. این فایل از سه لاین یا ردیف یا خط تشکیل شده است که لاین اول مربوط به تعداد گره  برای تابع اسپلاین برای هر اثر تصادفی است و لاین دوم مربوط به ارزش‌های متناظر برای هر محیط و لاین سوم مکان یا محل هر گره را نشان می‌دهد.

دستور کلی و دستور برای یک مثال با 4 ارزش متناظر برای هر محیط در مدل رگرسیون تصادفی با تابع اسپلاین به صورت زیر است. در این مدل می‌توان از با استفاده از تکنیک تجزیه ویژه و مدلسازی کواریانس باقیمانده زمان محاسباتی را به حداقل رساند.

در صورت استفاده از مدل رگرسیون تصادفی چندمتغیره ما نیازمند فایل با فرمت 0par هستیم که با آپشن –rrm شناسانده می‌شود. برای مثال در شکل مقابل ما فایل با فرمت .par داریم که دارای 5 ردیف است که اعداد در لاین اول نشانگر تعداد سایت برای هر صفت است که در شکل روبرو برای هر صفت 4 سایت وجود دارد و لاین دوم مرتبه چندجمله‌ای لژاندر k=2 را برای اثرات تصادفی نشان می‌دهد. لاین سوم نشانگر ارزش‌های متناظر برای محیط متناظر برای صفت اول است (مثلا زمان اندازه گیری سطح گلوکز خون بعد از تزریق درون صفاقی در بررسی سانگ هونگ لی و همکاران در2016) است. و لاین سوم و چهارم به همین ترتیب برای صفت دوم است. برای کاهش زمان محاسباتی در این مدل می‌توانیم از تکنیک تجزیه ویژه در این مدل استفاده کرد.

دستور کلی و دستور یک مثال(اسم فایل‌های استفاده شده در این مٍثال example5 است) برای مدل رگرسیون تصادفی چندمتغیره به صورت زیر است.

وقتی فرد فنوتیپ‌های چندگانه میان محیط های مختلف دارد (اندازه‌گیری مکرر)  نیاز به یک مدل برای کواریانس باقیمانده است تا مدلی برای اثرات تصادفی چندگانه با محتوی یک grm در ماتریس واحد را انجام دهد. در همچین شرایطی از مدل رگرسیون تصادفی چندمتغیره با کواریانس باقیمانده میان محیط‌ها استفاده می‌شود. در این مدل باید فایل با فرمت .rtmx یک فایل متنی باشد. این فایل دارای اسم فایل‌های grm است. برای کاهش زمان محاسباتی در این مدل نیز می‌توانیم از تکنیک تجزیه ویژه استفاده کنیم. برای اجرای این مدل از دستور (اسم فایل‌های استفاده شده در این مٍثال example5 است) زیر استفاده می‌شود.

در صورت وجود فنوتیپ‌های چندگانه بین صفات برای افراد، نیاز به یک مد بای محاسبه کواریانس باقیمانده بین صفات است، که می تواند با –cov1 بدست آورده شود که در این صورت باید از مدل رگرسیون تصادفی چند متغیره با کواریانس باقیمانده میان کواریانس محیطی و کواریانس باقیمانده بین صفات استفاده کرد. هر سه آپشن موجود در این مدل یعنی –eig ، -rrm و –cov ، به صورت قابل ملاحظه‌ای زمان محاسباتی توسط برنامه را کاهش می‌دهند.

Mtg2 دارای آپشن‌های اضافی زیادی است که می‌تواند برای سهولت انجام محاسبه در دستور نرم‌افزار به کار برده شود که بدلیل زیاد بودن مطالب نمی‌توانیم در این تحقیق ذکر کنیم ولی می‌توانید با از سایت نرم‌افزار مربوطه نسبت به این موارد آشنایی بیشتری داشته باشید.

نتیجه گیری:

همان طور که از تحقیق لی و همکاران در سال (2016) مشاهده شد در هنگام به اجرا در آوردن رگرسیون تصادفی و مدل مختلط خطی چند متغیره، MTG2 این مدل‌ها را در زمان پایین‌تری انجام می‌دهد در حالی برنامه برنامه های مشابه آن زمان بالاتری را صرف انجام مدل‌های مشابه نشان می‌دهند. و در صورت افزایش صفات یا مرتبه مدل تغییر چندانی در زمان محاسباتی توسط MTG2 ایجاد نمی‌شود ولی سایر برنامه‌های مشابه افزایش قابل ملاحظه‌ای در زمان محاسباتی نشان می‌دهند. همان طور که در جدول 1 مشاهده می‌شود GEMMA عملکردی برای مدل رگرسیون تصادفی ندارد در حالی که MTG2 این مدل را در زمان پایین‌تری نسبت به برنامه‌های مشابه انجام می‌دهد. و چون در دهه‌های بعدی با موج عظیمی از داده‌ها سروکار خواهیم داشت پس نیازمند یک نرم‌افزار قوی‌تری هستیم . در این بین mtg2 می‌تواند بهترین جایگزین برای نرم‌افزارهای مشابه باشد.

منابع و مآخذ:

   Lee, S. H., & Van der Werf, J. H. (2016). MTG2: an efficient algorithm for multivariate linear mixed model analysis based on genomic information. Bioinformatics, 32(9), 1420-1422.

 Lee S.H., Van der Werf J.H.J. (2006) An efficient variance component approach implementing an average information REML suitable for combined LD and linkage mapping with a general complex pedigree. Genet Sel. Evol., 38, 25–43.

Lee, S. H., Yang, J., Goddard, M. E., Visscher, P. M., & Wray, N. R. (2012). Estimation of pleiotropy between complex diseases using single-nucleotide polymorphism-derived genomic relationships and restricted maximum likelihood. Bioinformatics, 28(19), 2540–2542.

Sharrett A.R. (1992) The Atherosclerosis Risk in Communities (ARIC) Study. Introduction and objectives of the hemostasis component. Ann. Epidemiol., 2, 467–469.

Thompson E.A., Shaw R.G. (1990) Pedigree analysis for quantitative traits: variance components without matrix inversion. Biometrics, 46, 399–413.

  Lee, S. H.  MTG2 manual. https://sites.google.com/site/honglee0707/mtg2

---

[1]   Multi Trait Greml and Gblup program

[2]  Best Linear Unbiased Estimator

[3]     Average Information

[4]    Mixed Model Equation

[5]    Genomic RelationshipMmatrix

[6]    Atherosclerosis Risk In Commnities

آشنایی با اتحادیه پرورش دهندگان گاومیش استانبول

آشنایی با اتحادیه پرورش دهندگان گاومیش استانبول

فاطمه وند ولی، عباس رأفت

این اتحادیه در سال 2011 در محله نقاش ایالت آرناووتکوی استانبول تحت عنوان مرکز پرورش دهندگان گاومیش تاسیس گردید. اتpادیه پرورش دهندگان گاومیش با موافقت قانون دامپروری به شماره 4631 با اهداف مشخصی خدمت رسانی تاسیس شده که از جمله اهداف آن می توان به موارد زیر اشاره کرد:

بهبود پتانسیل نژادهای موجود در این کشور, صادرات به خارج از کشور و همکاری اعضای اتحادیه برای پرورش گونه های بومی پرتولید, نگهداری و ثبت شجره نامه برای حیوانات سالم, افزایش تولید, خدمات بیمه ای, آموزش اعضای اتحادیه، ایجاد رقابت بین اعضا و فروش تولیدات در کشور و صادرات آن به دیگر کشورها, ایجاد امکانات ضروری و تشخیص پیشرفت ژنتیکی از اهداف اصلی اتحادیه است. مرکز اتحادیه اصلاح نژاد گاومیش آنکارا در سال 2012 تاسیس شده است.

اهداف اتحادیه:

1. اجرای برنامه های اصلاح زیر نظر اتحادیه مرکزی

2. تقویت اتحاد و همکاری منظم در بین اعضای اتحادیه

3. فراهم سازی امکانات آموزشی برای اعضا از طریق سازماندهی منابع، برگزاری سمینار و غیره به منظور افزایش دانش و مهارت و انجام کارهای علمی و ارتباط بین اعضا از طریق چاپ نشریات و موارد دیگر

4. گرفتن نمایندگی در کشور و خارج از کشور و حمایت از بازده سود آنها، هدایت فعالیت ها برطبق اهداف تعیین شده در آیین نامه اتحادیه 

5. تهیه شجره نامه و فعالیت های ثبت والدینی حیوان در جهت دستور ریاست اتحادیه با نظارت و کنترل دقیق وزارت کشاورزی و دامپروری

6. انجام تلقیح مصنوعی حیوانات از قبیل فرآوری، نگهداری, ارسال و فروش تجهیزات ژنتیکی ضروری از قبیل اسپرم، تخمک، انتقال جنین و ... برای تسریع در پیش برد اهداف اتحادیه

7. تهیه تجهیزات و مواد خوراکی از قبیل مواد خشبی و کنسانتره ای برای تامین نیازهای حیوانات

8. سازمان دهی همکاری کارکنان و کارمندان اتحادیه جهت بهتر کردن برنامه ها و استفاده از مواد بیولوژیکی( اسپرم, تخمک, انتقال جنین و ...) تهیه شده از کشور یا خارج از کشور در صورت نیاز, همچنین دادن اطلاعات برای اصلاح سیستم های پرورشی نامناسب

9. بکارگیری تکنیک های دقیق مراقبتی و تغذیه ای و ثبت دقیق مقدار غذای مصرفی

10. برگزاری نمایشگاه و به مزایده گذاشتن حیوانات اصلاح شده در شهرهای مختلف و ایجاد رقابت با در نظر گرفتن جایزه

11. گرفتن وام و بکارگیری و چرخش سرمایه و استفاده بهینه از منابع و قابلیت ها برای به فروش رساندن و ارتقا سطح اصلاحی گاومیش ها با تولید محصولات کیفی

12. انجام کلیه کارهایی که پرورش دهندگان نیاز دارند.

13. اجرای کارهای مربوط به خسارات بیمه ای حیوانات, خرید و فروش حیوانات

14. کمک به اعضا برای کسب اعتبار مالی

15. ساخت امکانات ضروری که با هدف بهبود سهام مزرعه و انجام تحقیقات و همکاری برای ایجاد یک شرکت تجارتی

16. با هماهنگ سازی برنامه های اصلاح نژادی, مواد ژنتیکی(مثل اسپرم, تخمک, انتقال جنین و ...) تامین گردیده و توسط اتحادیه مرکزی گاومیش داران به همه اعضاء ارایه گردید تا مورد استفاده قرار دهند.

17. اجرای دستورات اتحادیه مرکزی در رابطه مواد ژنتیکی عرضه شده از قبیل اسپرم، تخمک، جنین و ... برای توسعه اهداف اتحادیه

18. ایجاد مراکز خرید محصولات تولید شده در کشور و خارج از کشور

19. دادن مشاوره و راهنمایی اعضای اتحادیه در رابطه با موضوعات متنوع

20. اجاره یا خرید انواع خدمات و تجهیزات خانگی، سرویس های اداری، وسایل نقلیه

21. بکارگیری پرسنل آموزش دیده از لحاظ تکنیکی و بهداشتی جهت انجام وظایف اساسی

در کشور ترکیه در سال 2014، تعداد 123609 راس گاومیش گزارش شده است. مطالعات بر اساس پروژه عمومی پیشرفت گاومیش آناتولی در سرتاسر کشور با تعداد 23171 راس گاومیش بالغ انجام گرفت. با همان اهداف ذکر شده, در شهرهای استانبول، بالیکسیر، دوزس، توکت، سامسون، بیتلیس، دیاربکر، افیون کارا حصار، گیرسون ماش، کوتاهیا، کایسری، کوروم، سیواس، آماسیا و بارتین اجرا شد.

 در سال 2015 کمک مالی سالانه حمایت شده از طرف دولت ترکیه به ازای پرورش هر راس گاومیش، 800 لیره ترک و به ازای هر گوساله،150 لیره ترک و برای هر راس دام، 400 لیره ترک به اضافه ی  02/0 لیر بازای هر واحد شیر تولیدی گزارش شده است.

انجمن پایه گذاری شده اصلاح شجره ای گاومیش در سراسر کشور ترکیه اجرا شد. اعضای اتحادیه اصلاحگران که در فعالیت اصلاحی فعالیت دارند ، 250 یورو به ازای هر راس دام دریافت می کنند که انگیزه ای عالی است. در این پروژه هدف عرضه محصولات اصلاح شده است. سایر پرورش دهندگان گاومیش که در برنامه های اصلاح نژادی شرکت ندارند نیز حمایت مالی دریافت می کنند ولی مقدار این حمایت مالی(150 یورو) کمتر از دامپرورانی است که در برنامه ی بهبود ژنتیکی مشارکت دارند که این کار باعث علاقه برای پرورش گاومیش می شود.

 با پرداخت پول برای مزرعه داران علاقمندی بیشتر می شود. برنامه اصلاحی برای گاومیش های آناتولی یک طرح انتخابی ساده برای شروع برنامه اصلاح بود. براساس توافق و همکاری, حیوانات ثبت شده و شماره زده شده، انتخاب شدند و مقدار شیر تولیدی همچنین تعداد نرهای جوان نیز گزارش و ثبت شدند. مقدار پتانسیل ژنتیکی نرها نیز با ثبت شیر تولیدی خواهر و مادرانشان انتخاب شدند و برنامه  هایی نیز برای انتخاب ژنومیک پیش بینی می شود.

در این اتحادیه برنامه های جداگانه مختلفی برای انجام آزمایشات روی محیط و فیزیولوژی حیوانات همچنین برنامه های حفظ ذخایر ژنتیکی انجام می گیرد. این برنامه در 8 ایالت ترکیه آغاز شد که در سال 2012 به 14 ایالت رسید و در سال 2014, به 16 ایالت با 4 هزار مزرعه رسید که شامل 24378 گاومیش ماده و 576 گاومیش نر و 2743 گوساله جمعا 27697 راس بود.

اهداف این پروژه با انتخاب دام های بهتر برای رسیدن به نتیجه عالی و استفاده از شجره نامه گاومیش است که نتیجه آن تولید 1200 کیلوگرم شیر در طول دوره شیردهی 250 روزه است. به طور متوسط این برنامه شامل 900 راس گاومیش در همه استان ها است. هدف اصلی این پروژه ملی, اصلاح نژاد گاومیش است که با همکاری دانشگاه ها و انستیتوهای تحقیقاتی زیرنظر هیأت مدیره کشاورزی و مراکز دامپزشکی و تغذیه ی حیوانات اهلی در ترکیه اجرا می شود. دراین پروژه تولیدات حیوانات از قبیل مقدار شیر تولیدی روزانه، ترکیبات چربی و درصد پروتیین شیر، وزن تولد، وزن شش ماهگی و وزن یک سالگی حیوانات رکوردبرداری می شود.

در استانبول 10853 گاومیش ماده وجود داردکه تعداد گاومیش های داشتی نزدیک 8738 راس است.

استان هایی که در آنها گاومیش وجود دارند عبارتند از: آرناووتکوی، چاتالکا، سیلیوری، ایوپ، کاگیتان، ساری یر، بیکوز و شیل. تجارب حاصل از مطالعاتی که روی پروژه ی بهبود ژنتیکی گاومیش آناتولیGDAR  (مدیریت تحقیقات کشاورزی, دامپروری و وزارت غذا) بدست آمده در استانبول مورد استفاده قرار گرفت.

 اولین مطالعات اصلاحی در سال 1998 روی همه گاومیش های داشتی انجام گرفت که روز به روز به تعداد آن افزوده شد.

تعداد حیوانات تحت نظر به شرح زیر است: آرناووتکوی 474 راس، چاتالکا460 راس، سیلیوری777 راس، ایوپ251 راس و کاگیتان 36 راس می باشد. در این شهرها عمده اهداف، اصلاح پارامترهایی از قبیل شیر تولیدی در طول دوره شیردهی، وزن و سرعت رشد گوساله های تازه متولد شده، درصد پروتین، لاکتوز و درصد ماده خشک شیر است که نتیجه آن افزایش متوسط شیر تولیدی 7 الی 8 لیتر بوده است. در این شهرها مزرعه های پرورش صنعتی گاومیش ماده وجود دارد که ظرفیت آنها 1200 گاومیش ماده است که باعث افزایش زمینه تحقیقی و اصلاحی می گردد. این واحدهای پرورشی شرایط کنونی را بهتر می کند. در کشور ترکیه مصرف محصولات گاومیش طرفداران زیادی دارد و مردم نسبت به آنها علاقه نشان می دهند. از دیگر فرآورده های گاومیش می توان به شیر، ماست، خامه و سوسیس گاومیش اشاره کرد. تولید انواع دسر باعث افزایش علاقه به شیر می شود واصلاح نژاد گاومیش روز به روز ارزش تولیدات را بهتر می کند. از شاخ گاومیش های ماده برای تولید تیر،  جواهرات تزیینی و بدلیجات و ... استفاده می شود. اتحادیه از لحاظ مطالعات علمی با دانشگاههای کمال و نامیک ارتباط دارد و از طرف آن ها حمایت علمی می شود. در طی این پروژه مطالعات ژنتیکی توسط پرفسور ام احسان سویسال انجام شده است.

نقشه پراکنش گاومیش در ترکیه بر  حسب تعداد

معرفی و طرز تهیه ماست گاومیش:

برای تهیه ماست گاومیش در اول شیری که سرشیر آن جدا شده است را روی آتش می گذاریم و تا 48 درجه سانتی گراد گرم می کنیم. داخل شیر گرم شده یک قاشق غذاخوری مایه ماست گاومیش می زنیم تا قوام پیدا کند و سفت شود بعد به این مایع قوام دار یک قاشق غذاخوری شکر اضافه می شود که باعث قوام بیشتر و تشکیل ماست شود. این مایع به آرامی خنک شده و بعد از 6 ساعت ماست گاومیش حاضر شده و آماده خوردن است.

معرفی و طرز تهیه سرشیر گاومیش:

برای تهیه سرشیر گاومیش ابتدا شیر گاومیش را به مدت 4 دقیقه در دمای 100 درجه سانتی گراد می جوشانیم و 3 الی 4 ساعت صبر می کنیم تا خنک شود. دوباره به مدت 7 الی 8 دقیقه در دمای 85 درجه سانتی گراد جوشانده که یک لایه چربی روی شیر جمع می شود. 4 الی 5 ساعت دیگر صبر می کنیم تا خنک شود بعد به مدت یک روز در دمای 4 درجه سانتی گراد در یخجال می گذاریم بعد چربی جمع شده روی شیر را با چاقو بریده در ظرف گذاشته و آماده مصرف است.

معرفی و طرز تهیه سوسیس گاومیش:

مواد مورد نیاز( برای 10 کیلو سوسیس):

5 کیلو گوشت گاو

5 کیلو گوشت گاومیش یا گوشت گوساله

یک کیلو دنبه گوسفند

60 گرم فلفل سیاه

50 گرم فلفل قرمز

75 گرم زیره سبز

50 گرم سیر پوست کنده شده

200 گرم نمک خوراکی

روده ی خشک شده گاو( روده کوچک)

روش کار: گوشت گاو و دنبه گوسفند را به قطعات کوچک خرد می کنیم. 2 الی 3 بار با ماشین چرخ گوشت، چرخ می کنیم. بعد نمک فلفل سیاه، فلفل قرمز، سیر کاملا له شده و زیره سبز اضافه می شود.دوباره 2 یا 3 بار دیگر چرخ می کنیم تا کاملا حالت خمیری به خود بگیرد بعد داخل روده خشک شده گاو می ریزیم طوری که کاملا پر شود  و درون آن هوا نماند. به اندازه طول انگشت با نخ محکم می بندیم وبه اندازه نیم تا دو وجب تا جایی که می توانیم می پیچیم. با این حالت در مکانی با تهویه مناسب و دور از نور آفتاب آویزان می شود. هر 2 الی 3 روز یک بار یکبار روی آن آب میزنیم تا حالت طبیعی خود را حفظ کند. بعد از اینکه سوسیس ها درست شدند آنها را برداشته و در جای خنک و با تهویه مناسب آویزان می کنیم. 

منبع:

http://www.istanbulmanda.org/