Aby zminimalizować i uniknąć błędnej interpretacji danych PLFA, należy przeprowadzić staranne badania przesiewowe danych, ponieważ niektóre PLFA, które znajdują się w społeczności mikroorganizmów glebowych, są również obecne w jedno- i wielokomórkowych organizmach eukariotycznych, takich jak korzenie roślin, glony i zwierzęta glebowe. Ponadto Archeony nie zawierają PLFA; zamiast tego błony archeonów składają się z lipidów eteru fosfolipidowego (PLEL). W związku z tym protokół PLFA nie może być stosowany do charakteryzowania zbiorowisk archeonów w glebie.
Kojarzenie poszczególnych PLFA z określonymi grupami drobnoustrojów powinno być zachowane z ostrożnością (patrz publikacja Frostegårda i współpracowników z 2011 r.34 w celu doskonałego omówienia niektórych ograniczeń metody PLFA). Zamiast tego bardziej odpowiednie może być pogrupowanie PLFA, jak to zrobiono na rysunku 2, na podstawie ich struktury chemicznej, np. i) prostołańcuchowe nasycone PLFA, ii) nasycone PLFA ze śródłańcuchowymi (10-metylowymi) rozgałęzieniami, iii) kończnie rozgałęzione nasycone kwasy tłuszczowe, iv) jednonienasycone PLFA, v) wielonienasycone PLFA i vi) hydroksykwasy tłuszczowe.
Waga próbki może wymagać dostosowania w zależności od ilości możliwych do ekstrakcji PLFA zawartych w danej próbce gleby. Nie dostosowując ilości gleby wydobywanej w glebach mniej aktywnych mikrobiologicznie, użytkownicy są narażeni na ryzyko, że nie uzyskają wystarczającej liczby odpowiedzi PLFA (pików), aby dokładnie odzwierciedlić całą społeczność drobnoustrojów. W glebach o wysokiej aktywności mikrobiologicznej z wysokimi stężeniami PLFA użytkownicy są narażeni na ryzyko przeciążenia kolumny GC, uniemożliwiając w ten sposób dokładne określenie ilościowe PLFA. W obu przypadkach próbki gleby muszą zostać ponownie przeanalizowane pod kątem PLFA. Dobrym punktem wyjścia jest dodanie 0,5 g w przypadku próbek gleby organicznej (takich jak poszycie leśne) i około 3 g w przypadku próbek gleby mineralnej. Ponieważ ilość ekstrahowalnych PLFA jest zwykle skorelowana z ilością węgla organicznego zawartego w glebie, masę próbki można dostosować na podstawie zawartości węgla w glebie; np. 1 g próbki mineralnej gleby może być wystarczające do uzyskania dobrej oceny ilościowej PLFA, gdy zawartość węgla wynosi 10-15%, podczas gdy >5 g może być konieczne, jeśli zawartość węgla wynosi ≤ 0,5%. Zawsze dobrym pomysłem jest wykonanie próby z kilkoma próbkami, aby zoptymalizować masę próbki przed uruchomieniem całego zestawu.
Typowe strategie rozwiązywania problemów z protokołem PLFA i analizą GC są następujące. Jeżeli linia podstawowa chromatogramu GC jest zbyt wysoka, butlę z gazemH2 należy wymienić. Jeśli na chromatogramie brakuje pików rozpuszczalnika lub ISTD, może to oznaczać problem z wstrzyknięciem próbki (np. zatkana strzykawka, problem z automatycznym podajnikiem próbek, pusta lub brakująca fiolka, błąd z umieszczeniem fiolki). Jeżeli w metodzie/próbie ślepej wykryto więcej niż trzy piki, oznacza to zanieczyszczenie próby ślepej i istnieje duże prawdopodobieństwo, że te same zanieczyszczenia będą obecne w chromatogramach GC próbki. Znaleźć źródło zanieczyszczenia (zwykle podłoże wodne) lub przynajmniej upewnić się, że piki odpowiadające zanieczyszczeniu zostały usunięte z chromatogramów próbki i że piki te nie są uwzględniane w żadnej analizie statystycznej danych PLFA. Dobrym pomysłem jest również przeprowadzanie płukania heksanem między próbkami, gdy podejrzewa się przeniesienie. Dodatkowe piki w płukaniu heksanu będą wskazywać na przeniesienie (tj. wymycie cięższych składników z poprzedniego przebiegu).
Lipidy są szczególnie podatne na utlenianie i należy zachować szczególną ostrożność w całym protokole, aby chronić próbki przed narażeniem na powietrze i światło, np. przechowując je w ciemności i utrzymując w azocie. Wszystkie próbki i próby ślepe muszą mieć wystarczającą ilość wzorca zastępczego C19:0. Brak piku C19:0, zarówno w próbkach, jak i w ślepych próbach, wskazuje na słaby odzysk lub całkowitą utratę analitów. Odpowiedź C19:0 w próbkach, która jest znacznie niższa niż metoda/ślepe próbki, wskazuje na utratę analitów w pewnym momencie metodologii PLFA. W obliczu słabego odzysku C19:0 wszystkie aspekty procedury muszą być dokładnie rozważone i zbadane, w tym wstępna ekstrakcja, wszystkie etapy przenoszenia próbki, ekstrakcja SPE, metylacja kwasów tłuszczowych, suszenie, przechowywanie i manipulacja próbką w celu wyizolowania etapu lub etapów, w których dochodzi do utraty analitów. Z drugiej strony, może się zdarzyć, że ekstrakcja niektórych próbek gleby może dać C19:0, w którym to przypadku odzysk wzorca zastępczego może być przeszacowany. Chociaż korzystanie z dwóch standardów ((PC(19:0/19:0) i MeC10:0) nie jest bezwzględnym wymogiem, stwierdziliśmy, że jest to bardzo przydatne w przypadku konieczności rozwiązywania problemów. Tak długo, jak odpowiedź MeC10:0 jest odpowiednia, rozwiązywanie problemów może koncentrować się na krokach poprzedzających analizę GC.
Jak wspomniano wcześniej, należy zachować ostrożność przy interpretacji znaczenia ekologicznego i relacji ekosystemowych opartych wyłącznie na biomarkerach pochodzących z danych PLFA, ponieważ badania nad czystymi kulturami pokazują, że izolowane szczepy bakterii będą zawierać różne kategorie PLFA. Zamiast tego biomarkery PLFA powinny być postrzegane jako użyteczne uzupełnienie zestawu dowodów przy dokonywaniu szerszych wniosków ekologicznych. W literaturze zaproponowano poszczególne PLFA i wykorzystano je jako biomarkery dla różnych grup drobnoustrojów. Nasycone PLFA są zwykle używane do reprezentowania bakterii Gram-dodatnich, a jednonienasycone PLFA są używane do bakterii Gram-ujemnych. Uznane biomarkery bakterii Gram-ujemnych obejmują jednonienasycone kwasy tłuszczowe z nienasyconym nasyceniem w pozycji ω5 lub ω7, takie jak C16:1ω7, C18:1ω7 i C18:1ω5. Ponadto cyklopropylowe kwasy tłuszczowe mogą być również reprezentatywne dla bakterii Gram-ujemnych35. W związku z tym PLFA z bakterii Gram-ujemnych można obliczyć jako równą sumie A: 1ω5 + A: 1ω7 + A: 0cyclo. Uznanymi biomarkerami bakterii Gram-dodatnich są kończnie rozgałęzione nasycone kwasy tłuszczowe, izorozgałęzione, takie jak C15:0i, C16:0i, C17:0i; lub anteiso-rozgałęzione, takie jak C15:0a i C17:0a. Nasycone PLFA z rozgałęzieniami śródłańcuchowymi (10-metylowymi), takie jak 10Me16:0 i 10Me18:0, są charakterystycznie obecne w promieniowcach36. Zatem PLFA z bakterii Gram-dodatnich można obliczyć jako równą sumie A: 0 (ISO, ANTEISO, 10-metyl).
Wiele biomarkerów związanych z PLFA grzybów jest często wielonienasyconych, ale niektóre biomarkery grzybów są jednonienasycone. Na przykład, jeśli chodzi o jednonienasycone biomarkery grzybów, C16:1ω5 został zidentyfikowany jako wskaźnik arbuskularnych grzybów mikoryzowych (AMF)37, C18:1ω9 jest powszechny w grzybach saprofitycznych, a ektomikoryzy zazwyczaj zawierają C16:1ω9. Obecność dwunienasyconego C18:2ω6,9 często występuje w połączeniu z C18:1ω9, a także dobrze koreluje ze sterolem grzybowym ergosterolem, co wskazuje, że C18:2ω6,9 może odpowiednio reprezentować ektomikoryzy i grzyby saprofityczne38. Trójnienasycony C18:3ω 6,9,12 został również wykorzystany jako biomarker dla grzybów10; jednak C18:3ω6c można znaleźć w innych organizmach eukariotycznych, w tym roślinach i algach, chociaż zwykle nie występuje w bakteriach. Jeśli chodzi o protisty glebowe, C20:4ω6c został uznany za biomarker protistów39, chociaż inne prace nie wykryły C20:4ω6c, nawet gdy żywotne populacje protistów zostały potwierdzone wizualnie za pomocą mikroskopii świetlnej40.
Wiele badań porusza kwestie ekologiczne związane z ogólną społecznością mikroorganizmów glebowych, wykorzystując techniki wielowymiarowej ordynacji jako narzędzie do analizy danych PLFA. Stosując to podejście, niektórzy autorzy zdecydowali się wykluczyć rzadkie PLFA ze zbioru danych, usuwając PLFA, które są obecne w mniej niż 5% próbek4. Normalne kwasy nasycone C16:0 i C18:0 występują obficie we wszystkich mikroorganizmach glebowych, w tym prokariotach i eukariontach. W związku z tym niektórzy badacze decydują się na usunięcie tych PLFA przed analizą statystyczną, ponieważ mogą one nie być czułymi wskaźnikami składu społeczności mikrobiologicznej w glebie – chociaż C16:0 i C18:0 nadal nie zostaną uwzględnione przy sumowaniu wszystkich PLFA dla wskaźnika biomasy mikrobiologicznej. Jeśli chodzi o analizy statystyczne, wielu badaczy decyduje się na przeprowadzenie niemetrycznego skalowania wielowymiarowego (NMDS), ponieważ technika ta dobrze nadaje się do danych, które mogą nie mieć normalnego rozkładu33. Dodatkowe analizy związane ze zmiennymi kategorialnymi mogą obejmować analizę gatunków wskaźnikowych, która może wiązać występowanie określonych PLFA z grupami kategorycznymi i procedurami permutacji wielu odpowiedzi (MRPP), które mogą pomóc w określeniu podobieństw lub różnic między społecznościami drobnoustrojów przypisanymi do grup jakościowych. Ponadto wielowymiarowe drzewa regresji (MRT) mogą być szczególnie przydatne, gdy wpływ wielu zmiennych doświadczalnych lub zabiegów musi być oceniany jako potencjalne zmienne objaśniające5 (np. tekstura gleby, wilgotność, wiek rekultywacji).
Po ustaleniu protokół PLFA jest stosunkowo prostą metodą analityczną, która może być bardzo przydatna do ilościowego określania reakcji mikroorganizmów glebowych na zmiany środowiskowe i zakłócenia antropogeniczne. Podczas gdy techniki molekularne, takie jak genetyczne odciski palców, są lepiej przystosowane do szczegółowej charakterystyki społeczności drobnoustrojów, metoda PLFA ma tę zaletę, że dostarcza informacji ilościowych na temat całkowitej biomasy drobnoustrojów34. W naszym laboratorium badawczym jedna osoba może wygodnie przetworzyć zestaw 20 próbek w ciągu 4 dni, a przedstawiony tutaj protokół okazał się solidną i powtarzalną techniką oceny biologicznej jakości gleby.
Moc metody PLFA można znacznie rozszerzyć poprzez sprzężenie jej z analizą izotopów stabilnych41, 42. W szczególności dodanie do gleby 13substratów znakowanych C pozwala na ilościowe określenie włączenia substratu do mikroorganizmów glebowych poprzez analizę izotopową poszczególnych PLFA41. Ponadto metoda ta wydaje się być bardzo obiecującym narzędziem do wyjaśniania powiązań troficznych w sieciach troficznych gleby42.