Modern süt sığırcılığında damızlık seçimi, tarihsel süreç içerisinde yalnızca toplam süt hacminin maksimizasyonuna odaklanan tek boyutlu bir yaklaşımdan; genetik potansiyel, metabolik verimlilik, çevresel sürdürülebilirlik, hayvan refahı ve biyoekonomik karlılığı entegre eden çok boyutlu ve son derece karmaşık bir biyomatematiksel disipline dönüşmüştür. Yirminci yüzyılın sonlarında süt verimini artırmaya yönelik uygulanan tek yönlü ve agresif seleksiyon baskısı, ineklerin fizyolojik sınırlarını zorlamış; üreme performansında düşüş, metabolik hastalıklara yatkınlık ve genel sürü ömründe kısalma gibi negatif genetik korelasyonları beraberinde getirmiştir. Günümüzde ise iklim değişikliğinin yarattığı çevresel baskılar, küresel yem maliyetlerindeki öngörülemez dalgalanmalar ve tarım endüstrisinin karbon ayak izini minimize etme taahhütleri, seleksiyon indekslerinin temel mimarisini kökten değiştirmeyi zorunlu kılmıştır. Bu kapsamlı makale, fenotipik veri standardizasyonundaki küresel değişimleri, ekonomik indekslerin yeniden yapılandırılmasını, yem verimliliği paradigmalarını, ısı toleransı biyobelirteçlerini, metan emisyonu ölçüm metodolojilerini ve ssGBLUP modellerinin ardındaki teorik çerçeveyi derinlemesine analiz etmektedir.
Küresel Paradigma Değişimi
ABD'de genomik seleksiyonun (2009+) yaygınlaşmasıyla genetik ilerleme hızı 2-3 kat artmıştır. Nisan 2025 itibarıyla Net Merit (NM$) indeksinde süt yağı vurgusu %24.7 → %31.8'e çıkarılırken, protein vurgusu %19.6 → %13.0'a düşürülmüştür. Vücut Büyüklüğü Kompoziti'ne (BWC) getirilen -$57/puan "ağırlık vergisi", metabolik verimlilik odaklı yeni çağı yansıtmaktadır.
VetKriter Damızlık Potansiyel Skoru Hesaplayıcı
Hayvanınızın verimlilik verilerini girerek, bilimsel düzeltme faktörleri (laktasyon sırası, buzağılama yaşı, mevsim, THI) ile standardize edilmiş Damızlık Potansiyel Skoru (0-100) hesaplayın.
Damızlık Skoru Hesapla1. Giriş: Seleksiyonun Evrimi ve Güncel Zorunluluklar
Süt sığırcılığında genetik ilerleme, son yüz yılda dramatik bir evrim geçirmiştir. 1900'lerin başında seleksiyon kararları büyük ölçüde fenotipik gözleme dayanmaktaydı. 1930'lardan itibaren sistematik süt kayıt programlarının başlatılması ve Jay L. Lush'ın kantitatif genetik ilkelerini hayvancılığa uyarlaması ile birlikte, seleksiyon bilimsel bir temele oturtulmuş ve Tahmini Damızlık Değeri (EBV) hesaplamaları pratiğe girmiştir. 1970'lerde Charles R. Henderson'ın geliştirdiği BLUP (Best Linear Unbiased Prediction) metodolojisi, çevresel etkilerin sistematik olarak ayrıştırılmasını sağlayarak genetik değerlendirmelerin doğruluğunu devrim niteliğinde artırmıştır.
Ancak 20. yüzyılın sonlarında uygulanan yoğun tek yönlü seleksiyon baskısı beklenmedik yan etkiler doğurmuştur. Holstein popülasyonlarında süt verimi 1960'tan 2020'ye kadar yaklaşık 3 kat artarken, döl verimi indeksleri paralel bir düşüş göstermiş, metabolik hastalık insidansı yükselmiş ve ortalama sürü ömrü kısalmıştır. Bu negatif genetik korelasyonlar, endüstriyi çok özellikli ve dengeli seleksiyon indekslerine yönelmeye zorlamıştır.
2009 yılında ABD'de genomik seleksiyonun ulusal değerlendirmelere resmi olarak entegre edilmesi, sığır ıslahında yeni bir çağ açmıştır. Yüksek yoğunluklu SNP (Tek Nükleotid Polimorfizmi) genotipleme panelleri sayesinde hayvanların genetik potansiyeli, henüz düve çağında yüksek doğrulukla tahmin edilebilir hale gelmiştir. Nesil aralığı boğalarda 6-7 yıldan 2 yıla düşmüş, yıllık genetik ilerleme hızı 2-3 kat artmıştır.
Günümüzde seleksiyon, yalnızca üretim ve sağlık özelliklerini değil; yem verimliliği (Feed Saved — FSAV), ısı toleransı (Heat Tolerance), metan emisyonu (Methane Efficiency — MEF) ve sürdürülebilirlik gibi yeni nesil fenotipleri de kapsamaktadır.
2. Fenotipik Veri Standardizasyonu ve Laktasyon Eğrilerinin Yeniden Kalibrasyonu
Damızlık değerlemesinin kalitesi, temel alınan fenotipik verinin doğruluğuna ve standartlaştırılabilme yeteneğine doğrudan bağlıdır. Hayvanların genetik potansiyellerinin adil karşılaştırılabilmesi için; yaş, laktasyon sırası (parite), buzağılama mevsimi, sağım sıklığı ve önceki açık periyot (days open) gibi çevresel varyans kaynaklarının matematiksel olarak izole edilmesi gerekmektedir.
2.1 305-ME'den 305-AA'ya Geçiş
Süt sığırcılığı endüstrisi, 1935'ten bu yana 305-Gün Ergin Çağ Eşdeğeri (305-ME) standardizasyonunu kullanmaktaydı. Bu yöntem, ineğin 61-86 aylık ergin çağda üreteceği verimi tahmin etme prensibine dayanıyordu. Ancak otuz yıllık yoğun genomik seleksiyon, sığırların olgunlaşma eğrilerini dramatik şekilde değiştirmiştir. Modern süt sığırları fizyolojik olgunluğa çok daha erken ulaşmakta; 1. ile 3-4. laktasyon arasındaki verim farkı giderek kapanmaktadır.
305-AA Standardına Geçiş (Ağustos 2024)
USDA AGIL ve CDCB, 1960-2022 arasındaki 101.5 milyon süt, 100.5 milyon yağ ve 81.2 milyon protein laktasyon kaydını yeniden analiz ederek, Ağustos 2024 itibarıyla 305-ME sistemi terk edilmiş ve 305-AA (Average Age — Ortalama Yaş) sistemine geçilmiştir.
Referans Noktası Değişimi
Laktasyon kayıtları artık teorik ergin çağ yerine, 36 aylık ortalama yaşa (2. laktasyon başlangıcı) standardize edilmektedir. Eski ME sistemi, kayıtları gerçek üretimden ~%10 yüksek göstermekteydi.
İklim Bölgelerinin Genişletilmesi
Eski 3 coğrafi bölge yerine, ortalama iklim skorlarına dayanan 5 spesifik iklim bölgesi tanımlanmıştır. Mevsimsel varyansın toplam varyans içindeki payı kapalı barınak teknolojileriyle daralmıştır.
Irk Spesifik Katsayılar
Holstein ağırlıklı genel katsayılar yerine, her ırkın (Jersey, Brown Swiss, Ayrshire vb.) kendi gelişim biyolojisine göre özel katsayılar hesaplanmıştır.
2.2 305-AA Geçişinin PTA ve Ekonomik İndekslere Etkisi
| Irk | PTA Süt Değişimi | PTA Yağ/Protein | NM$ Etkisi |
|---|---|---|---|
| Holstein | Yukarı yönlü kalibrasyon | Yukarı yönlü | +$10 — +$15 |
| Jersey | ~100 lb düşüş | ~6 lb düşüş (yağ+protein) | -$50 — -$70 |
| Brown Swiss | Minimal değişim | Sıfır civarı | Stabil |
| Ayrshire / Guernsey | Minimal değişim | Küçük dalgalanma | Stabil |
Önemli Uyarı
Bu sonuçlar, fenotipik standardizasyon modellerinin güncellenmesinin genetik sıralamalarda sismik bir etki yaratabileceğini kanıtlamaktadır. Yetiştiricilerin boğa kataloğu değerlerini yorumlarken hangi standardizasyon yönteminin kullanıldığını bilmesi kritik önem taşır.
3. Genetik Taban Güncellemeleri ve Yeni Fenotipik Özelliklerin Entegrasyonu
Genetik değerlendirmelerin referans noktası olan genetik taban (genetic base), belirli periyotlarla güncellenir. Genetik taban, belirli bir yılda doğan ineklerin ortalama PTA değerlerinin sıfır kabul edildiği başlangıç çizgisidir. Çoğu popülasyonda bu taban her beş yılda bir ileriye taşınır.
3.1 Nisan 2025 Genetik Taban Güncellemesi
Neden Taban Güncellenir?
- Genetik ilerleme sürekli — eski taban ile yeni hayvanlar arasındaki fark büyür
- PTA değerleri zamanla "şişer" — yeni taban bu enflasyonu düzeltir
- Güncel popülasyonla anlamlı karşılaştırma sağlanır
- Süt, yağ, protein ve SCS standart sapmaları ırklara göre yeniden hesaplanır
Dikkat Edilmesi Gerekenler
- Aynı boğanın PTA'sı taban değişimi sonrası matematiksel olarak düşer — genetik kayıp değil
- Eski referanslarla seleksiyon eşikleri uyumsuz hale gelir
- Farklı ülkelerin taban yılları farklı — uluslararası karşılaştırmalarda dikkat
- Holstein PTA Süt: ~-750 lb, PTA Yağ: ~-45 lb düşüş (matematiksel)
3.2 Yeni Fenotipik Özellikler: Sağım Hızı (MSPD)
Veri toplama teknolojilerindeki ilerlemeler, damızlık seçimine yeni fenotiplerin dahil edilmesini mümkün kılmaktadır. Ağustos 2025 itibarıyla Holstein ırkı için Sağım Hızı (Milking Speed — MSPD) özelliği tamamen yenilenmiştir. Yeni MSPD, sınıflandırıcıların subjektif puanlamaları yerine sağım sistemlerindeki hat içi (in-line) sensör teknolojilerinden elde edilen objektif verileri kullanmaktadır. Ortalama dakikada 7 libre (3.18 kg) akış hızını temel alan bu fenotip, modern sağımhane verimliliği ve robotik sağım sistemlerine (AMS) uygun inek seçimi açısından kritik bir kriter haline gelmiştir.
4. Lokal Çevresel Faktörler ve Morfolojik Özelliklerin Süt Verimine Etkisi
Küresel standardizasyon modellerinin yanı sıra, genotip × çevre etkileşimlerinin (GxE) lokal dinamiklerini anlamak, bölgesel adaptasyon ve verimlilik için hayati önem taşır. Çevresel varyansın yerel düzeyde nasıl etki ettiğini ve spesifik fiziksel konformasyon özelliklerinin üretimle nasıl ilişkilendiğini inceleyen bölgesel araştırmalar, küresel indekslerin lokal popülasyonlara uygulanmasında önemli geri bildirimler sağlar.
4.1 Bahri Dağdaş Uluslararası Tarımsal Araştırma Enstitüsü Çalışmaları
Türkiye'de Bahri Dağdaş Uluslararası Tarımsal Araştırma Enstitüsü'nde Mehmet Çolak ve araştırma ekibi tarafından Esmer (Brown Swiss) sığırlar üzerinde yürütülen uzun soluklu çalışmalar, bu bağlamda dikkate değer bulgular sunmaktadır. Enstitü şartlarında yetiştirilen Esmer sığırların 1987-1999 yılları arasındaki laktasyon kayıtlarının analiz edildiği çalışmalarda, 305 günlük süt veriminin kalıtım derecesi (heritabilite) birinci laktasyon için 0.23, tüm laktasyonlar için ise 0.19 olarak tahmin edilmiştir (Tilki, Çolak & Sari, 2009).
Bahri Dağdaş Araştırma Bulguları
Esmer sığırlarda 305-gün süt verimi heritabilitesinin birinci laktasyon için h² = 0.23, tüm laktasyonlar için h² = 0.19 olarak saptanması; çevresel faktörlerin süt verimi üzerindeki baskın etkisini doğrulamaktadır. Bu orta düzey kalıtım dereceleri, fenotipik düzeltme faktörlerinin damızlık değerlemesinde neden kritik olduğunu bilimsel olarak açıklamaktadır.
4.2 Meme Morfolojisi ve Süt Üretimi İlişkisi
Aynı araştırma grubu, ineklerin meme morfolojisi ile fenotipik süt üretimi arasındaki ilişkileri de detaylı şekilde incelemiştir. Meme başı şeklinin süt verimi ve sağım özellikleri üzerindeki etkisini araştıran çalışmalarda, meme başı şekli silindirik, huni ve şişe formlu olmak üzere kategorize edilmiştir (Tilki, İnal, Çolak & Garip, 2005).
| Meme Başı Şekli | Ortalama 305-Gün Süt Verimi (kg) | İstatistiksel Değerlendirme |
|---|---|---|
| Silindirik (Cylindrical) | 3,156 | İstatistiksel olarak anlamlı farkla yüksek (P < 0.05) |
| Huni (Funnel) | 3,169 | |
| Şişe Formlu (Bottle) | 2,377 | Anlamlı düşük verim |
Başka bir çalışmada ultrasonografi kullanılarak 400 meme başı kanalı incelenmiş; kanalların %20'sinin eğri (crooked), %80'inin doğrusal (linear) seyre sahip olduğu saptanmıştır. Bu anatomik varyasyonun nihai süt verimi üzerinde istatistiksel açıdan anlamlı bir fark yaratmadığı bulgulanmıştır. Ön ve arka meme başı uzunluğu, meme başı çapı ve sağım sonrası meme yüksekliği gibi ölçümlerin farklı laktasyon sıralarına göre istatistiksel olarak anlamlı değişimler (P < 0.001) gösterdiği tespit edilmiştir.
Morfolojik Çalışmaların Seleksiyon İndekslerine Katkısı
Bu tür lokal morfolojik çalışmalar, Meme Kompoziti (Udder Composite — UDC) gibi fonksiyonel tip özelliklerinin modern seleksiyon indekslerine yüksek ekonomik ağırlıklarla entegre edilmesinin biyolojik gerekçesini oluşturur. Meme yapısı sadece sağım hızını değil, mastitise karşı direnci ve sürüdeki kalıcılığı (productive life) da doğrudan belirler.
4.3 Çevresel Düzeltme Faktörleri: Türkiye ve Global Literatür Karşılaştırması
Bahri Dağdaş araştırmalarından elde edilen çevresel düzeltme katsayıları, güncel dünya literatürüyle (CDCB 305-AA, ICAR 2024, JDS 2025) yüksek oranda (%90+) uyumludur:
Laktasyon Sırası Katsayısı (Baz = 3-4. laktasyon = 1.00)
| Laktasyon | Katsayı | Türkiye (DSYMB) | Global (CDCB/ICAR) |
|---|---|---|---|
| 1. laktasyon | ×1.13 (1.12-1.15) | ×1.13 ort. | ×1.12-1.15 ✓ |
| 2. laktasyon | ×1.06 (1.05-1.08) | Uyumlu | ×1.05-1.08 ✓ |
| 3-4. laktasyon | ×1.00 | Baz | Baz ✓ |
| 5+ laktasyon | ×0.94 (0.92-0.96) | ×0.93-0.96 | ×0.92-0.95 ✓ |
Buzağılama Yaşı Katsayısı (Baz = 37-48 ay = 1.00)
| Yaş Grubu | Katsayı | Açıklama | Global Uyum |
|---|---|---|---|
| <30 ay | ×1.18 (1.15-1.20) | En yüksek düzeltme | USDA: ×1.17-1.20 ✓ |
| 31-36 ay | ×1.10 (1.08-1.12) | Orta düzeltme | ✓ |
| 37-48 ay | ×1.00 | Referans | CDCB 36 ay baz ✓ |
| 49-60 ay | ×0.97 | Hafif düşüş | ✓ |
| >60 ay | ×0.93 (0.92-0.95) | Longevity etkisi | ×0.92-0.95 ✓ |
Mevsim Katsayısı (Baz = İlkbahar = 1.00)
| Mevsim | Katsayı | Açıklama | Global Uyum |
|---|---|---|---|
| Kış (Ara-Şub) | ×1.08 (1.05-1.10) | En yüksek verim | ×1.07-1.10 ✓ |
| İlkbahar (Mar-May) | ×1.00 | Referans | Baz ✓ |
| Yaz (Haz-Ağu) | ×0.93 (0.90-0.95) | Sıcak stresi | %7-10 düşüş ✓ |
| Sonbahar (Eyl-Kas) | ×1.01 (0.98-1.02) | İlkbahara yakın | ×1.00-1.02 ✓ |
Düzeltilmiş 305-Gün Süt Formülü
Hayvanın ham verimini standardize etmek için çarpımsal düzeltme formülü:
Düzeltilmiş 305-AA Süt (kg) = Ham Süt × Lakt. Sırası × Buzağılama Yaşı × Mevsim × THI Düzeltmesi
VetKriter Damızlık Potansiyel Skoru hesaplayıcısı bu düzeltmeyi otomatik olarak uygular.
5. Ekonomik Seçim İndekslerinin Yeniden Yapılandırılması: NM$ 2025 Revizyonu
Genotipik verilerin saha pratiğine dönüştüğü ana mekanizma Ekonomik Seçim İndeksleridir. ABD'de temel ulusal seçim indeksi olan Yaşam Boyu Net Kazanç İndeksi (Lifetime Net Merit — NM$), bir süt sığırının ortalama bir kızının yaşamı boyunca üreteceği net karı ABD doları cinsinden tahmin eder. NM$ formülü yaklaşık 40 farklı ekonomik öneme sahip özelliği kapsar:
NM$ Temel Formülü
NM$ = a' × u
a = her özelliğin ekonomik değer vektörü (marjinal kar katkısı); u = hayvanın PTA vektörü. Bazı özellikler (SCS gibi) normalize edilerek dahil edilir.
5.1 Tereyağı Değerinin Yükselişi ve Proteinin Göreceli Düşüşü
2025 ekonomik modellemesinde Class III süt için yağ fiyatı libresi $2.10 → $2.80'e yükseltilirken, protein fiyatı $2.60'da sabit tutulmuştur:
Tereyağı (Fat)
%24.7 → %31.8
En ağır ağırlıklı özellik
Protein
%19.6 → %13.0
Belirgin düşüş
5.2 Yaşayabilirlik (Livability) vs. Üretken Ömür (Productive Life)
| Ekonomik Parametre | Eski Değer | 2025 Güncel | Değişim |
|---|---|---|---|
| Kasaplık inek fiyatı (lb) | $0.60 | $0.90 | +%50 |
| Düve buzağısı değeri | $200 | $400 | +%100 |
| İnek ölüm kaybı maliyeti | $1,800 | $2,038 | +%13 |
İneğin kesime gitmesi (ekonomik geri dönüş) ile çiftlikte ölmesi (tam kayıp) arasındaki finansal uçurum büyüdüğünden, İnek Yaşayabilirliği (LIV) ve Düve Yaşayabilirliği (HLIV) çok daha fazla ağırlık kazanmıştır. Genel Üretken Ömür (PL) vurgusu ise %11.0 → %8.0'a indirilmiştir.
5.3 Beden Ağırlığı Vergisi (Weight Tax)
"Daha büyük inek = daha fazla süt" varsayımı, modern genomik çağda yerini metabolik verimlilik kavramına bırakmıştır. Yem tüketim maliyetinin libre başına $0.11 → $0.12'ye, laktasyon başına idame KM tüketim gereksiniminin 4.50 → 5.50 lb'ye ve düve yetiştirme maliyetinin $0.75 → $0.85/lb'ye yükseltilmesi, büyük ineklerin bakım maliyetlerini artırmıştır. BWC'de +1.0 puanlık artış = yaşam boyu NM$'da -$57 "ağırlık vergisi" olarak yansımaktadır.
5.4 Fertilite Algoritmalarındaki İnovasyonlar
Son yıllarda cinsiyet ayrımı yapılmış (sexed) sperma ve sığır-et (beef-on-dairy) melezleme stratejilerinin yaygınlaşması, üreme ekonomisini kökten değiştirmiştir. 2025 modeli, geçmişteki %100 konvansiyonel sütçü sperma varsayımını terk ederek, %60 cinsiyet ayrımı yapılmış sütçü sperma (doz başına $25) ve %40 konvansiyonel etçi sperma (doz başına $10) kullanımını entegre etmiştir.
Laktasyon Başına Karlılık Analizi
1. Laktasyon
-$120
Zarar (yüksek yetiştirme maliyeti)
2. Laktasyon
+$151
Karlılık başlangıcı
3. Laktasyon
+$209
Zirve karlılık
Bu veriler, fertilite ve sağlığın karlılık için neden vazgeçilmez olduğunu matematiksel olarak açıklamaktadır.
5.5 Irklara Göre NM$ Göreceli Ekonomik Ağırlıklar (Nisan 2025)
| Özellik / Kategori | Holstein (%) | Jersey (%) | Brown Swiss (%) | Ayrshire (%) |
|---|---|---|---|---|
| Yağ (Fat) | 24.7 | 29.9 | 26.9 | 30.2 |
| Protein | 11.4 | 15.2 | 14.3 | 15.2 |
| Süt Hacmi (Milk) | 2.9 | 3.4 | 3.3 | 3.7 |
| Üretken Ömür (PL) | 12.3 | 15.8 | 18.0 | 16.9 |
| Kalan Yem Tük. (RFI) | -14.2 | 0 | 0 | 0 |
| Beden Ağırlığı K. (BWC) | -11.2 | -13.0 | -13.0 | -14.4 |
| İnek Yaşayabilirliği (LIV) | 5.9 | 6.0 | 6.6 | 5.1 |
| Meme Kompoziti (UDC) | 1.2 | 1.0 | 1.3 | 2.0 |
| Somatik Hücre S. (SCS) | -2.6 | -2.6 | -3.3 | -3.6 |
| Kız Gebelik Oranı (DPR) | 2.6 | 3.6 | 3.4 | 3.5 |
Tablo Verisi: USDA — ARR NM$9 — 2025 Revizyonu. RFI verisi yalnızca Holstein'da mevcut; diğer ırklarda ölçülemediğinden diğer özelliklerin ağırlığı oransal olarak artar.
NM$ Varyasyonları
Peynir Merit (CM$): Süt hacmine negatif ağırlık, proteine yüksek değer. Sıvı Süt Merit (FM$): Protein değeri sıfır, yalnızca hacim ve yağ. Otlatma Merit (GM$): Fertilite özelliklerine (DPR, CCR) standart indekslerin ~2.5 katı ağırlık verir.
6. Yem Verimliliği Paradigmaları: Tasarruf Edilen Yem (FSAV) ve RFI
Süt sığırcılığında toplam işletme maliyetlerinin yarısından fazlasını doğrudan yem giderleri oluşturmaktadır. Aralık 2020'de CDCB tarafından genetik değerlendirmelere dahil edilen Tasarruf Edilen Yem (Feed Saved — FSAV) özelliği, "Yem Maliyeti Üzeri Gelir (IOFC)" optimizasyonu paradigmasının en önemli bileşenidir.
6.1 FSAV ve RFI Tanımları
FSAV, iki bileşenin sentezinden oluşan kompozit bir indekstir: Beden Ağırlığı Kompoziti (BWC) ve Kalan Yem Tüketimi (Residual Feed Intake — RFI).
RFI (Kalan Yem Tüketimi) Nedir?
Bir ineğin fiili yem tüketimi ile vücut büyüklüğü, büyüme, süt üretimi ve vücut kondisyonuna göre hesaplanan beklenen yem tüketimi arasındaki farktır. Eksi RFI = metabolik olarak üstün hayvan (beklenenden az yem tüketir). Kalıtım derecesi h² ≈ 0.19 — somatik hücre skoru veya gebelik oranından daha yüksek.
FSAV PTA Örneği
FSAV PTA'sı +200 olan bir Holstein boğasının kızları, laktasyon başına emsallerinden ortalama 200 libre (~90 kg) daha az kuru madde tüketir. RFI'ın üretim özellikleri ile genetik korelasyonu tanım gereği sıfıra yakındır — süt veriminden feragat etmeden metabolik verimli inekler seçilebilir.
Çevresel Sürdürülebilirlik Bağlantısı
Daha az yem tüketen ineklerin daha az dışkı ve dolayısıyla daha düşük metan emisyonu ürettiği bilimsel olarak kanıtlanmıştır. Yem verimliliği, çevresel sürdürülebilirliğin de kilit bir unsuru haline gelmiştir. NM$ formülünde çift saymayı önlemek için BWC ve RFI ekonomik ağırlıkları birbirini dengeleyecek şekilde (2025'te BWC %-11.0, RFI %-6.8) sisteme entegre edilir.
7. İklim Krizine Karşı Genomik Adaptasyon: Isı Toleransı
Küresel iklim değişikliğinin bir sonucu olarak artan çevresel sıcaklıklar, süt sığırcılığını tehdit eden en büyük biyolojik risklerden biridir. Modellemeler, kontrol altına alınmayan ısı stresinin küresel süt endüstrisine 2050 yılına kadar yıllık 30 milyar ABD doları tutarında ekonomik yük getireceğini öngörmektedir.
7.1 Isı Stresinin Fizyolojik Kaskadı
THI (Sıcaklık-Nem İndeksi) Formülü
THI = (1.8 × Tdb + 32) − [(0.55 − 0.0055 × RH%) × (1.8 × Tdb − 26)]
Tdb = Kuru termometre sıcaklığı (°C); RH% = Bağıl nem. THI ≥ 68-72 eşik değerinde ısı stresi başlar.
THI eşik değerini aşmasıyla birlikte inekler, ısıyı vücuttan uzaklaştırabilmek için kan akışını iç organlardan çevresel dokulara yönlendirir. Bu durum:
| THI Aralığı | Stres Düzeyi | KM Tüketim Kaybı | Süt Verimi Etkisi | Düzeltme Faktörü |
|---|---|---|---|---|
| ≤67 | Stres yok | — | Normal | ×1.00 |
| 68-72 | Hafif | 0.5-1.0 kg/gün | %3-5 düşüş | ×0.97 |
| 73-77 | Orta | 1.5-2.5 kg/gün | %5-10 düşüş; SCC ↑ | ×0.93 |
| 78+ | Şiddetli | 2.5-3.75 kg/gün | %10-25 düşüş; embriyonik ölüm ↑ | ×0.88 |
7.2 Reaksiyon Norm Modelleri ve Isı Toleransı GEBV'leri
Zoetis ve diğer genetik araştırma konsorsiyumları, milyonlarca test günü kaydı ve hava durumu verisini birleştirerek spesifik Isı Toleransı Genomik Damızlık Değerleri (GEBV) geliştirmiştir. Bu değerlendirmeler iki özelliğe odaklanır: Artan THI'da gebelik oranı düşüş direnci (CFS_THI) ve süt verimi düşüş direnci (MILK_THI). Doğrulama çalışmalarında, yüksek CFS_THI ve MILK_THI STA'ya sahip ineklerin, şiddetli sıcak dalgalarında (≥25°C) dahi rektal sıcaklıklarını 39°C'nin altında tutma yeteneğine sahip oldukları klinik olarak doğrulanmıştır.
7.3 Moleküler Biyobelirteçler ve SLICK Varyantı
GWAS (Genom Çapında İlişkilendirme Çalışmaları), BTA 3, 6, 14 ve 17 numaralı kromozomlar üzerindeki QTL'lerin ısı toleransıyla doğrudan bağlantılı olduğunu kanıtlamıştır. Transkriptomik analizlerde sıcaklık stresi altında meme dokusunda laktasyonla ilgili genlerin (α-Kazein, β-laktoglobulin) ekspresyonunun %30-40 azaldığı, mitokondriyal füzyon genlerinin (Mfn2) baskılandığı saptanmıştır.
SLICK Geni: En Radikal Genomik Buluş
Karayip kökenli Senepol sığırlarından izole edilen SLICK haplotipi, Prolaktin Reseptör (PRLR) genindeki dominant bir mutasyondan kaynaklanır. Hayvanlara karakteristik kısa ve seyrek tüy yapısı kazandırarak ter bezi aktivitesini ve cilt üzerinden ısı disipasyonunu maksimize eder. Melezleme programlarıyla yüksek verimli Holstein ve Jersey sürülerine başarıyla aktarılmıştır (introgresyon). SLICK taşıyan ineklerin sıcak dalgalarında süt verimi çöküşünü büyük ölçüde engellediği, termonötral zonlarını genişlettiği gösterilmiştir.
8. Çevresel Sürdürülebilirlik: Metan Emisyonlarının Genomik Değerlendirmesi
Ruminant hayvancılığı, insan faaliyetlerinden kaynaklanan küresel sera gazı emisyonlarının %14.5'inden sorumludur. Bu payın büyük bölümünü, CO₂'den 28 kat daha yüksek küresel ısınma potansiyeline sahip olan metan (CH₄) gazı oluşturur. Rumen içindeki Archaea sınıfı mikroorganizmalar (metanojenler), fermantasyon sonucu metabolik hidrojeni CO₂ ile birleştirerek metan sentezler. Bu enterik metan, hayvan için tüketilen brüt enerjinin %4-7'lik geri dönülemez kaybıdır.
8.1 ICAR Bölüm 20: Metan Genetik Değerlendirme Çerçevesi
Uluslararası Hayvan Kayıt Komitesi (ICAR), Bölüm 20 kılavuzları ile süt sığırlarında metan emisyonlarının standart genetik değerlendirmeye tabi tutulması için küresel teknik çerçeveyi belirlemiştir. Bilimsel çalışmalar; Metan Üretiminin (MeP — g/gün), Metan Yoğunluğunun (MeI — g CH₄/kg süt) ve Metan Veriminin (MeY — g CH₄/kg KM tüketimi) ölçülebilir olduğunu ve h² = 0.12-0.35 arasında kalıtım derecesine sahip olduğunu kanıtlamıştır.
8.2 Metan Ölçüm Metodolojileri
| Yöntem | Doğruluk | Maliyet | Veri Hacmi | Kullanım Alanı |
|---|---|---|---|---|
| Solunum Odaları (RC) | Altın standart | Çok yüksek | Çok düşük | Araştırma |
| SF₆ İzleyici Tekniği | Yüksek | Orta | Düşük | Araştırma / Saha |
| GreenFeed Sistemleri | Yüksek | Orta | Orta | Saha araştırmaları |
| Sniffer Cihazları (AMS) | Orta | Düşük | Çok yüksek | Robotik sağımhaneler |
| Lazer Metan Dedektörleri | Değişken | Düşük | Yüksek | Saha taraması |
8.3 Süt MIR Spektroskopisi: Devrimsel Fenotipik Vekil
Ulusal ölçekte milyonlarca ineği direkt ölçüm cihazlarıyla test etmek imkansız olduğundan, Süt Orta Kızılötesi (MIR) Spektroskopisi en önemli fenotipik vekil (proxy) haline gelmiştir. Rutin süt analizi sırasında MIR cihazları, süt örneğinden geçirilen kızılötesi ışığın emilim paternlerini okuyarak detaylı spektral veri oluşturur. Kısmi en küçük kareler (PLS) regresyon modelleri ve yapay zeka algoritmaları, bu MIR spektrumunu süt verimi, DIM ve parite bilgileriyle harmanlayarak ineğin günlük enterik metan üretimini R² = 0.60-0.70 doğrulukla tahmin edebilmektedir.
8.4 Kanada'nın Öncülüğü: Metan Verimliliği (MEF) GEBV Modeli
Dünyada bu teknolojiyi ulusal damızlık programına entegre eden ilk ülke Kanada (Lactanet konsorsiyumu) olmuştur. 13 milyondan fazla süt MIR kaydı işlenerek Nisan 2023'te Holstein ırkı için Metan Verimliliği (MEF) GEBV'si resmi olarak yayınlanmıştır.
MEF Modeli Teknik Detaylar
- Yazılım: MiX99 — tek adımlı (single-step) 4 özellikli hayvan modeli (Süt, Yağ, Protein, CH₄MIR)
- Kritik yenilik: Özyineli (recursive) genetik lineer regresyon katsayıları ile metan üretimi, süt ve bileşen verimlerinden genetik olarak bağımsız hale getirilir (Rezidüel Metan)
- Sunum: Popülasyon ortalaması = 100, standart sapma = 5. 100'ün üzeri = daha az metan salgılayan genetik altyapı
- Hedef: 2050'ye kadar inek başına metan emisyonlarında %20-30 genetik azaltım, süt veriminden feragat etmeden
- Diğer ülkeler: Avustralya, İspanya, Danimarka, Hollanda benzer indeksleri ticari kullanıma sunma aşamasında
9. Sürü Bazında Sürdürülebilirlik Kayıt Özellikleri (ICAR Bölüm 22)
ICAR, Temmuz 2023 itibarıyla Bölüm 22 "Sürdürülebilirlik Kayıt Özellikleri" rehberini yayınlamıştır. Bu kılavuz, kuruluşların kendi spesifik sürdürülebilirlik indekslerini oluşturmalarına imkan tanıyan standardize edilmiş 43 farklı özellik tanımlamıştır. İklimsel ve mevsimsel sapmaları istatistiksel olarak elimine etmek için, özelliklerin tamamına yakını 365 günlük yuvarlanan dönem (rolling window) üzerinden hesaplanır.
| Kategori | Başlıca Özellikler |
|---|---|
| Besleme ve Üretim | Enerji Düzeltilmiş Süt (ECM), Fonksiyonel BCS oranı, Metan Emisyonları, MUN oranları, KM Tüketimi |
| Fertilite (Üreme) | Buzağılama Aralığı, 56-Gün Geri Dönmeme Oranı (NR56), İlk Servis Gebelik Oranı, Açık Gün Sayısı, Görünür Gebelik Kaybı |
| Sağlık | SCS ortalaması, Kronik enfeksiyon oranı, Kuru dönem tedavi başarısı, Taze inek enfeksiyonu, İlk test FPR < 1 veya > 1.3 oranı |
| Uzun Ömürlülük | Ortalama Laktasyon Sayısı, Ayıklama Yaşı, Yaşam Boyu Ortalama Üretim, İlk 60 gün inek ölüm %'si |
| Genç Stok | İlk Buzağılama Yaşı, Ölü doğum oranı, Genç stok istemsiz ayıklama %, Solunum/ishal kayıpları |
9.1 Kuru Madde Tüketimi ve Metan Tahmin Denklemleri
Çiftlik seviyesinde fiili yem tüketimi veya metan salınımı verisinin toplanmasının imkansız olduğu durumlar için ICAR kapsamlı biyomatematiksel tahmin denklemleri sunar. NASEM (eski NRC) modellemesine dayanan KM tüketimi tahmini:
NASEM KM Tüketimi Tahmin Formülü
DMI (kg/gün) = [(0.372 × ECM + 0.0968 × CA0.75) × (1 − e−0.192 × (DIM/7 + 3.67))] × Parite Düzeltmesi
CA = Canlı ağırlık (kg); ECM = Enerji düzeltilmiş süt; DIM = Sağım gün sayısı; Parite = 0 (primipar) veya 1 (multipar).
Yüksek kaba yem tüketilen senaryolarda enterik metan (eCH₄) için rasyondaki lif ve yağ oranını temel alan daha karmaşık regresyon denklemleri (Escobar-Bahamondes modeli) kullanılır. Bu formül setleri, genetik seleksiyonun çiftlik yönetim yazılımlarıyla entegre edilmesini ve sürdürülebilirlik hedeflerinin istatistiksel izlenebilirlik kazanmasını sağlar.
10. İleri Genomik Modelleme: Tek Adımlı Genomik BLUP (ssGBLUP) Mimarisi
Modern süt sığırcılığında fenotipik verilerin genetik değere (GEBV) dönüştürülmesi sürecinde, Tek Adımlı Genomik BLUP (ssGBLUP — Single-step Genomic Best Linear Unbiased Prediction) modelleri endüstri standardı haline gelmiştir. Bu metodolojinin devrimsel niteliği, genotiplenmiş ve genotiplenmemiş hayvanların pedigri kayıtlarını, fenotip verilerini ve SNP profillerini tek bir devasa eşzamanlı denklem sisteminde birleştirebilmesidir.
10.1 H Matrisi: Pedigri ve Genomik Bilginin Birleştirilmesi
Klasik BLUP'ta genetik varyans-kovaryans yapısı yalnızca pedigri kaynaklı Numaratör İlişki Matrisi (A) ile modellenir. Ancak bu yaklaşım, tam kardeşlerin farklı gen kombinasyonlarını almasını (Mendelyen örnekleme varyansı) modelleyemez. ssGBLUP, pedigri matrisi (A) ve genomik matrisi (G) melezleyerek kompozit bir Birleştirilmiş İlişki Matrisi (H) yaratır:
H⁻¹ Matrisi (Henderson Formülasyonu)
H⁻¹ = A⁻¹ + [0, 0; 0, Gw⁻¹ − A22⁻¹]
A⁻¹ = tüm popülasyonun pedigri matrisi tersi; A22⁻¹ = genotiplenmiş alt kümenin pedigri matrisi tersi; Gw = harmanlanmış genomik matris. Model, genomik bilgiyi pedigri ağacı vasıtasıyla genotiplenmemiş akrabalara doğru geriye ve ileriye yayar.
10.2 Harmanlama (Blending) ve Ölçeklendirme
A ve G matrislerinin uyumsuzluğu, pedigrilerin birkaç nesille sınırlı kalmasına karşılık SNP'lerin binlerce yıllık mutasyon tarihini yansıtmasından kaynaklanır. Bu baz popülasyon farklılığı, genç boğaların genomik değerlerinde aşırı tahmin (overprediction) yaratabilir. Harmanlama işlemi:
Harmanlama Formülü
Gw = (1 − β) × G + β × A22
β (harmanlama parametresi) genellikle 0.30-0.40 aralığında seçilir. Bu işlem hem matrisin pozitif tanımlılığını güvence altına alır hem de SNP panelinin kapsayamadığı nadir kalıntı poligenik varyansı denkleme dahil eder. Optimizasyon çalışmaları, β = 0.30-0.40 ve ω = 0.60 değerlerinin GEBV doğruluğunda %6-7 net artış sağladığını göstermiştir.
10.3 Bilinmeyen Ebeveyn Grupları (UPG) ve Meta-Kurucular
Eksik pedigri kaynaklı sorunları gidermek üzere Bilinmeyen Ebeveyn Grupları (Unknown Parent Groups — UPG) veya daha gelişmişi olan Meta-Kurucular (Metafounders — MF) kavramları H⁻¹ matrisine entegre edilmektedir. Bu konseptler, eksik soyların ait olduğu neslin genetik seviyesindeki ilerlemeyi hesaba katarak, ebeveyni bilinmeyen hayvanların modelde sıfır değerine düşmesini ve genetik trendi bozmasını engeller. Modern hesaplama yazılımları, çoklu özellikleri ve on milyonlarca hayvanın verisini bu matrisler üzerinden çözerek, genomik çağın istatistiksel temelini oluşturur.
11. Pratik Damızlık Seçim Kriterleri ve Yeni Nesil Özellikler
Teorik altyapı ve global indeksler incelendikten sonra, saha düzeyinde bir ineğin damızlık potansiyelini belirleyen somut kriterleri hiyerarşik bir sıralama ile sunmak gerekmektedir. Aşağıdaki tablo, modern süt sığırcılığında damızlık seçiminde dikkate alınması gereken başlıca kriterleri öncelik sırasına göre özetlemektedir:
| # | Kriter | Alt Bileşenler | Ağırlık Aralığı | Açıklama |
|---|---|---|---|---|
| 1 | Sağlık ve Genetik Altyapı | SCS, Mastitis direnci, Metabolik hastalık EBV, Genomik test sonucu (GTPI/gRZG/NM$) | %25-30 | Sağlıksız inek = sürdürülemez üretim. Genomik test varsa güvenilirlik dramatik artar. |
| 2 | Düzeltilmiş Süt Verimi + Kompozisyon | 305-AA Süt (kg), Yağ %, Protein %, Yağ+Protein Toplamı (kg) | %30-35 | Düzeltme katsayıları uygulanmış standardize verim. Yağ+protein toplamı, ham süt hacminden daha değerli. |
| 3 | Üreme Performansı | Buzağılama aralığı, DPR/CCR, İlk tohumlama başarısı, Açık gün sayısı | %10-15 | Düzenli buzağılama = düzenli gelir. Fertilite problemleri sürü ekonomisini doğrudan etkiler. |
| 4 | Konformasyon ve Uzun Ömürlülük | UDC, FLC, PL/LIV, BWC | %10-15 | Meme yapısı, ayak/bacak sağlamlığı ve sürüde kalma süresi. BWC artık negatif yönde selekte edilir. |
| 5 | Sürdürülebilirlik ve Yeni Özellikler | FSAV/RFI, Metan EBV, Isı toleransı, A2A2, κ-Kazein BB | %5-10 | Geleceğe yönelik değer. Mevcut veri sınırlı ancak ekonomik ağırlığı artıyor. |
11.1 Süt Protein Genetik Varyantları: A2A2 ve κ-Kazein BB
Beta-Kazein A2A2 genotipi, sütteki β-kazein proteininin yalnızca A2 varyantını içermesini ifade eder. A1 varyantının sindirim sırasında beta-kasomorfin-7 (BCM-7) adlı biyoaktif peptidi serbest bıraktığı ve bazı bireylerde gastrointestinal rahatsızlıklarla ilişkilendirildiği epidemiyolojik çalışmalarla öne sürülmüştür. A2 süt pazarı küresel olarak hızla büyümekte olup, A2A2 genotipine sahip inekler üretici için prim fiyat avantajı sağlamaktadır.
Kappa-Kazein (κ-CN) BB genotipi ise peynir üretiminde kritik öneme sahiptir. BB genotipli ineklerin sütü, AA genotipli ineklerin sütüne kıyasla daha iyi pıhtılaşma (koagülasyon) özelliği gösterir ve peynir verimini %5-10 artırır. Türkiye'de peynir üretiminin toplam süt değerlendirmesindeki payı düşünüldüğünde, κ-CN BB seleksiyonu ekonomik açıdan stratejik değer taşımaktadır.
11.2 Genomik Test Entegrasyonu
GTPI (ABD)
Total Performance Index. Holstein için en yaygın toplam indeks. Süt üretimi, sağlık, fertilite ve tip özelliklerini birleştirir. GTPI > 3000 = üst düzey genetik potansiyel.
gRZG (Almanya)
Genomischer Relativzuchtwert Gesamt. Ortalama = 100, SD = 12. gRZG > 130 = elit genetik. Sağlık ve fonksiyonel özelliklere daha fazla ağırlık verir.
NM$ (ABD)
Net Merit Dollar. Yaşam boyu net ekonomik değer. NM$ > 1000 = yüksek karlılık potansiyeli. Nisan 2025 itibarıyla yağ ağırlığı %31.8'e çıkmıştır.
12. Türkiye'de Damızlık Seleksiyon Pratiği ve Kurumsal Altyapı
Türkiye'de damızlık sığır yetiştiriciliği, Damızlık Sığır Yetiştiricileri Merkez Birliği (DSYMB) ve il birlikleri koordinasyonunda yürütülmektedir. Süt kayıt sistemi, A4 (aylık kayıt) ve AT (alternatif test) yöntemleriyle süt verimi, yağ ve protein oranlarını kayıt altına alır. Soy kütüğü (Herdbook) kayıtları, ICAR standartlarına uygun olarak tutulmaktadır.
12.1 Türkiye'deki Mevcut Durum ve Zorluklar
Güçlü Yönler
- DSYMB süt kayıt altyapısı aktif ve genişliyor
- Bahri Dağdaş, Lalahan gibi güçlü araştırma enstitüleri
- Holstein popülasyon büyüklüğü genomik değerlendirme için yeterli
- Genç yetiştirici kuşağı teknolojiye açık
- Genomik test yapan işletme sayısı hızla artıyor
Geliştirilmesi Gereken Alanlar
- Ulusal genomik değerlendirme sistemi henüz tam operasyonel değil
- Referans popülasyonu oluşturma aşamasında
- Yem verimliliği (RFI) ve metan verisi toplama altyapısı yetersiz
- Küçük ve orta ölçekli işletmelerde kayıt tutma oranı düşük
- Isı stresi yönetimi (Güneydoğu, Akdeniz, Ege) kritik ancak yetersiz izleniyor
12.2 Pratik Tavsiyeler
Türkiye İçin Damızlık Seçim Stratejisi
- Kayıt tutun: Süt kayıt programına mutlaka katılın. Kayıtsız hayvanın genetik değeri tahmin edilemez.
- Düzeltme faktörlerini kullanın: Ham süt verimini doğrudan karşılaştırmayın; yaş, laktasyon sırası ve mevsim düzeltmelerini uygulayın.
- Genomik test yaptırın: Özellikle boğa babası adayı düvelerde ve elit ineklerde. Maliyet/fayda oranı son derece avantajlı.
- Toplam indeks kullanın: Yalnızca süt verimine göre boğa seçmeyin. NM$, gRZG veya TPI gibi dengeli indeksleri tercih edin.
- Sağlık ve fertiliteye ağırlık verin: SCS düşük, DPR yüksek, PL uzun boğaları tercih edin.
- Isı toleransını göz önünde bulundurun: Sıcak bölgelerde (THI > 72 gün sayısı yüksek) ısı toleransı STA'sı yüksek boğalar veya melezleme (Jersey, Montbeliarde) düşünün.
- Yağ ve proteine önem verin: Yağ+protein toplamı (kg), saf süt hacminden daha değerli. Peynir üretimi odaklıysanız κ-CN BB genotipini tercih edin.
- A2A2 seleksiyonu: A2 süt pazarı büyüyorsa, sürünüzde A2A2 frekansını artırın — uzun vadeli prim potansiyeli.
13. Sonuç ve Gelecek Perspektifi
Süt sığırcılığında damızlık seçimi, artık yalnızca "en çok süt veren boğanın seçilmesi" değil; biyolojik verimlilik, çevresel sürdürülebilirlik, hayvan refahı ve ekonomik optimizasyonun entegre edildiği çok boyutlu bir karar alma sürecidir. Genomik teknolojilerin yaygınlaşması, fenotipik standardizasyonun (305-AA) güncellenmesi, ekonomik indekslerin (NM$ 2025) yeniden yapılandırılması ve ssGBLUP gibi ileri istatistiksel modellerin endüstri standardı haline gelmesi, bu dönüşümün temel yapı taşlarını oluşturmaktadır.
Geleceğin süt ineği; yüksek yağ ve protein içerikli süt üreten, düşük yem tüketen (negatif RFI), az metan salgılayan, ısı stresine dirençli, sağlıklı ve uzun ömürlü bir "eko-sürdürülebilir" hayvan olacaktır. Bu hedefe ulaşmak, ancak doğru fenotipik veri toplama, güvenilir genomik değerlendirme ve bilimsel temelli seleksiyon kararlarının bir bütün olarak uygulanmasıyla mümkündür.
2030-2040 Vizyonu
- Metan emisyonu: Genetik seleksiyonla inek başına %20-30 azaltım hedefi
- Yem verimliliği: RFI verisi tüm büyük ırklarda rutin değerlendirmeye dahil olacak
- Isı toleransı: SLICK ve diğer termoregülasyon genleri introgresyon yoluyla sütçü ırklara aktarılacak
- Hassas hayvancılık: Sensör verileri (aktivite, ruminasyon, vücut sıcaklığı) genomik modellere gerçek zamanlı entegre edilecek
- Yapay zeka: Makine öğrenimi algoritmaları, çok özellikli GEBV tahmin doğruluğunu artıracak
- Türkiye: Ulusal referans popülasyonunun tamamlanması ve yerli genomik değerlendirme sistemi ile global entegrasyon
14. Kaynaklar
- Tilki, M., Çolak, M., & Sari, M. (2009). Genetic parameters of 305-day milk yield for Brown Swiss reared in the Bahri Dagdas International Agricultural Research Institute in Turkey. Kafkas Üniversitesi Veteriner Fakültesi Dergisi, 15(5), 801-804.
- Tilki, M., İnal, Ş., Çolak, M., & Garip, M. (2005). Relationships between milk yield and udder measurements in Brown Swiss cows. Turkish Journal of Veterinary & Animal Sciences, 29(1), 75-81.
- Miles, A. M., VanRaden, P. M., & Norman, H. D. (2025). Updated 305-day lactation yields for age, season, milking frequency, and pregnancy by climate region and breed. Journal of Dairy Science, 108(1), 775-789.
- VanRaden, P. M., Cole, J. B., & Parker Gaddis, K. L. (2025). Net Merit as a Measure of Lifetime Profit: 2025 Revision (NM$9). USDA AIP Research Report.
- Rojas de Oliveira, H., Brito, L. F., Lourenco, D. A. L., & Miglior, F. (2024). Genetic evaluation for methane efficiency in dairy cattle using milk mid-infrared spectroscopy. JDS Communications, 5(2), 178-183.
- Dikmen, S., Khan, M. J., Huson, H. J., & Hansen, P. J. (2025). Heat stress abatement in cattle through genetic improvement of heat tolerance. Journal of Animal Science, 103(2), skae378.
- Aguilar, I., Misztal, I., Johnson, D. L., Legarra, A., Tsuruta, S., & Lawlor, T. J. (2010). Hot topic: A unified approach to utilize phenotypic, full pedigree, and genomic information for genetic evaluation of Holstein final score. Journal of Dairy Science, 93(2), 743-752.
- Bermann, M., Lourenco, D., & Misztal, I. (2022). The distribution of inbreeding depression and recovery by genomic regions in single-step genomic BLUP. Italian Journal of Animal Science, 21(1), 611-622.
- Misztal, I., Legarra, A., & Aguilar, I. (2014). Using recursion to compute the inverse of the genomic relationship matrix. Journal of Dairy Science, 97(6), 3943-3952.
- ICAR (2020). Section 20: Enteric Methane Emissions Recording Guidelines. ICAR Guidelines.
- ICAR (2023). Section 22: Sustainability Recording Traits. ICAR Guidelines.
- Wiggans, G. R., Cole, J. B., Hubbard, S. M., & Sonstegard, T. S. (2017). Genomic selection in dairy cattle: The USDA experience. Annual Review of Animal Biosciences, 5, 309-327.
- Pryce, J. E., & Haile-Mariam, M. (2020). Symposium review: Genomic selection for reducing environmental impact and adapting to climate change. Journal of Dairy Science, 103(6), 5366-5375.
- De Haas, Y., Pszczola, M., Soyeurt, H., Wall, E., & Lassen, J. (2017). Invited review: Phenotypes to genetically reduce greenhouse gas emissions in dairying. Journal of Dairy Science, 100(2), 855-870.
- Tempelman, R. J., Spurlock, D. M., Coffey, M., Veerkamp, R. F., Armentano, L. E., ... & VandeHaar, M. J. (2015). Heterogeneity in genetic and nongenetic variation and energy sink relationships for residual feed intake across research stations and countries. Journal of Dairy Science, 98(3), 2013-2026.
- Legarra, A., Aguilar, I., & Misztal, I. (2009). A relationship matrix including full pedigree and genomic information. Journal of Dairy Science, 92(9), 4656-4663.
- DSYMB (2024). Türkiye Damızlık Sığır Yetiştiricileri Merkez Birliği Süt Kayıt Raporları. Ankara.