Международная команда под руководством исследователей из Carnegie Institution for Science объединила передовую химию с машинным обучением для анализа более 400 образцов, от современных растений и животных до древних окаменелостей и метеоритов. Исследование знаменует собой первый случай, когда данные пиролизной газовой хроматографии-масс-спектрометрии были объединены с контролируемым машинным обучением для идентификации биосигнатур в многомиллиардолетних породах.
Преодолевая барьеры глубокого времени
До настоящего времени молекулярные следы, достоверно указывающие на жизнь, были обнаружены только в породах моложе 1,7 миллиарда лет. Новый метод примерно удваивает этот временной интервал, выявляя биологические следы в формациях возрастом до 3,3 миллиарда лет. «Древняя жизнь оставляет больше, чем окаменелости; она оставляет химические отголоски», — сказал доктор Роберт Хейзен, старший научный сотрудник Карнеги и соавтор-руководитель исследования. «Используя машинное обучение, мы теперь можем впервые надежно интерпретировать эти отголоски».
Исследовательская группа обучила алгоритм «случайного леса» — который строит сотни деревьев решений для классификации данных — распознавать химические отпечатки, оставленные живыми организмами, даже после разложения исходных биомолекул. Модель искусственного интеллекта отличала биологические материалы от небиологических с точностью более 90%, достигая точности до 98% на известных образцах.
Отодвигая временные рамки фотосинтеза
Метод также обнаружил признаки фотосинтеза в породах возрастом не менее 2,5 миллиардов лет, расширив химическую летопись, сохранившуюся в углеродных молекулах, более чем на 800 миллионов лет. «Понимание того, когда возник фотосинтез, помогает объяснить, как атмосфера Земли стала богатой кислородом — ключевая веха, которая позволила эволюционировать сложной жизни, включая людей», — сказал астробиолог Майкл Вонг.
Кэти Мэлони, доцент Мичиганского государственного университета, предоставила для анализа исключительно хорошо сохранившиеся окаменелости водорослей возрастом один миллиард лет с территории Юкон, Канада. «Сочетание химического анализа и машинного обучения выявило биологические следы древней жизни, которые ранее были невидимы», — сказала Мэлони.
Этот метод может оказаться ценным в поиске внеземной жизни. Если ИИ способен обнаружить биологические отпечатки, сохранившиеся миллиарды лет на Земле, тот же подход может сработать на марсианских породах или образцах с ледяной луны Юпитера Европы. Команда планирует усовершенствовать свои модели и протестировать подход на породах из похожих на Марс пустынь Земли.
Уточнения и разъяснения
Работа по поиску следов древнейшей жизни в породах возрастом 3.3 миллиарда лет основывается на гипотезе, предложенной Хейзеном, Вонгом и их коллегами, что молекулы живых организмов формируются и отбираются по их функциональности — то есть в живых системах встречается не случайный набор молекул, а ограниченное число тщательно выбрано и представлено в больших количествах, потому что каждая выполняет важную функцию для организма
Эта гипотеза является отражением новой макроскопической «закономерности эволюции» — идея о том, что эволюция характерна не только для биологических систем (жизни), но и для всех сложных природных систем: например, минералов или звёзд.
Для таких систем эволюция — это процесс отбора наиболее устойчивых, функциональных или новых конфигураций из большого числа возможных, и если система подпадает под отбор по функции, она способна эволюционировать.Для древней органики подразумевается: даже если исходные молекулы разрушены, сохраняются характерные «химические эхо» — распределение фрагментов с характерными паттернами, сформированными когда-то именно функциональным отбором живых организмов Поэтому, анализируя эти паттерны и сопоставляя их с паттернами современной жизни и небиологических образцов с помощью ИИ, можно отличить «информационно насыщенные» остатки древней биосферы от внешне схожих, но случайных неорганических смесей.Вся методология основана именно на этом расширенном взгляде на эволюцию, который объединяет биологические и небиологические системы, и ставит в центр «отбор по функции» как универсальный критерий, позволяющий найти признаки жизни даже там, где уже не сохранились сами исходные молекулы.
Применение
Развитие методов искусственного интеллекта, способных распознавать химические следы биологической активности в древних земных породах, уже рассматривается как эффективный инструмент для анализа материалов, полученных с Марса, Европы и других планетных тел, где потенциально могут сохраняться следы жизни. Эти ИИ-алгоритмы помогают выделять биологически значимые молекулярные отпечатки на фоне абиотических процессов, что крайне важно для распознавания жизни, особенно если молекулы сильно деградированы.Кроме того, современные исследования активно разрабатывают и тестируют такие алгоритмы на земных аналогах марсианских пустынь и других экстремальных сред, чтобы обеспечить высокую точность и надежность метода в условиях космоса. Это подтверждается и в специализированных исследованиях, где сказано, что ИИ сможет принимать данные с бортовых лабораторий будущих космических миссий и эффективно искать биосигнатуры на месте.
https://carnegiescience.edu/chemical-evidence-ancient-life-detected-33-billion-year-old-rocks
Контекстный метод для поиска жизни на других планетах , о котором говорится в публикации
https://carnegiescience.edu/news/scientists-and-philosophers-join-forces-study-concept-evolution-beyond-biological-context
Комментариев нет:
Отправить комментарий