人工智能揭开33亿年前岩石中的古老生命之谜

html

人工智能揭示了33亿年前岩石中的生命化学印记

科学家们一直在问：我们能追溯到地球生物的过去有多远？化石向我们展示了片段，但仍然存在许多空白。

卡内基研究所的研究人员本周宣布了一项重大发现。

古代生命留下的化学痕迹比预期保存得更久。这为科学家们打开了一扇窗，让他们得以进入一个曾被认为永远封闭的时代。

重要性

寻找生命的起源非常重要。它指导我们对外星生命的搜索，并塑造了NASA的优先事项。

如果生命在地球上出现的时间比我们想象的要早，微生物也可能在其他世界上发展。

这一发现改变了科学家们在火星、欧罗巴、恩克拉多斯和泰坦上寻找生命的方式。我们正在重写生命本身的时间线。

旧的障碍

科学家们只在17亿年以下的岩石中找到过分子生命的证据。

在那个时间点之后，衰变使得无法确定有机分子是源自生命还是化学反应。

原始生物分子随着时间的推移完全分解。这一限制阻碍了对地球生物历史四分之三的访问。

机器学习的介入

研究人员发现，机器学习可能在人工无法成功的地方取得突破。即使是降解的分子也保留了生物样本和非生物样本之间的微妙模式。

卡内基的科学家罗伯特·哈岑和阿尼鲁德·普拉布收集了406个样本，从现代生物到陨石不等。

他们使用专门设备创建了详细的分子特征。

突破性发现

该人工智能模型在区分生物材料和非生物材料方面达到了超过90%的准确率。

应用于南非古老的岩石，它检测到了清晰的微生物生命证据，可追溯到33.3亿年前。

这一发现使科学家通过分子识别生命的年龄翻倍。研究人员称这是一场“寻找古代生命的范式转变”。

岩石揭示的内容

来自南非巴贝顿绿岩带的Josefsdal硅质岩样本是地球上最古老的岩石之一。

它们形成于古元古代的浅海中。这些岩石保存了“生物源分子组合”——表明生命存在的有机物质。

这些33.3亿年前的迹象与现代微生物指纹相匹配，表明早期海洋社区繁荣发展。

为什么这在当地重要

这一发现让南非巴贝顿地区成为理解生命起源的关键所在。

研究的岩石中有可检测的生物标志，且位于易于接近的区域。南非的机构将成为早期生命研究的焦点。

这一发现证实了南非几十年来对这些古老地层的地质研究成果。

光合作用的惊喜

同样的人工智能方法还揭示了另一个发现：来自南非Gamohaan地层的25.2亿年前岩石中有氧气产生的光合作用证据。

这将光合作用的记录向前推了8亿年。光合微生物的出现比大氧化事件早，而大氧化事件发生在大约24亿年前。

这改变了我们对地球大气发展理论的看法。

准确性和验证

随机森林模型在区分化石生物样本和非生物样本方面达到了93%的准确率。

一些分类的准确率超过了98%。这些数字增强了对该方法的科学信心。

研究人员进行了严格的测试，以确保模型不是单纯记忆数据。PNAS的审稿人在发表前仔细审查了每一个方面。

“化学回声”

罗伯特·哈岑博士完美地捕捉到了这一发现：“古代生命留下的不仅仅是化石；它还留下了化学回声。”

这些回声——降解的分子碎片——编码了关于数十亿年前生物的信息。

化石展示了生物的形态；化学回声揭示了代谢和化学。人工智能可以解读人类无法看见的分子模式。

不确定性依然存在

尽管取得了这一突破，关键问题依然存在。分子模式是否真正代表生命或不寻常的化学？

污染是否可能会影响结果？太古岩石是否保留了原始生物标志或后来的改变？

PNAS论文解决了这些问题，但承认独立验证将增强对结果的信心。科学是通过怀疑不断进步的。

同行评审与审查

PNAS是世界上最具选择性的科学期刊之一。

审稿人全面评估了样本选择、方法论、统计数据和解释。

专家评估了人工智能的准确性的声明和地质背景。关于数据集是否能准确代表太古环境的问题开始引起关注。

作者修订了他们的手稿以解决所有问题。

研究团队介绍

这项研究有26位合著者，来自卡内基研究所、多伦多大学、斯坦福大学、密歇根大学等多个机构。

首席研究员罗伯特·哈岑、阿尼鲁德·普拉布和迈克尔·黄在矿物学、地球化学、机器学习和天体生物学方面有着丰富的专业知识。

这项研究得到了NASA的资助。这种合作展示了复杂问题通常需要多个学科的专业知识。

研究的可重复性

全球其他实验室将开始测试这些发现。独立团队将采用相同的方法分析新的Josefsdal Chert样本。

一些实验室会尝试不同的算法。其他实验室将确认这些岩石确实可以追溯到33.3亿年前，并且没有受到污染。

可重复性是稳健科学的标志，整个领域正在积极动员以验证这项研究。

火星探索的前景

NASA的好奇号和毅力号探测器已经收集了火星岩石样本。

毅力号将这些样本储存起来，以便未来返回地球。如果来自35亿到40亿年前的火星岩石中含有古老的微生物，这种人工智能技术就能检测到它们。

这种方法同样适用于土星的卫星恩克拉多斯、木星的卫星欧罗巴和泰坦。

NASA和NSF的资助优先事项

NASA和国家科学基金会通过多个项目优先支持生物特征检测的研究。

NASA的ICAR项目支持大型团队研究生命检测问题，包括机器学习的方法。

年度ROSES征集包含特定的生物特征元素。这项资助表明，机器学习古生物学将在五年内成为主流。

跨行业的涟漪效应

这项技术不仅限于天体生物学。石油地质学家可以通过改进的有机特征检测来提升石油勘探的效率。

环境科学家可以更有效地追踪污染物的来源。考古学家将更容易在古代文物中发现有机残留物。

制药公司可以更好地选择微生物菌株。人工智能从各学科的降解数据中提取模式。

公众反应与错误信息

社交媒体上关于#AncientLifeDiscovery和#EarliestLife在X和TikTok上引发了热烈讨论。

然而，一些帖子错误地表示科学家“发现了第一种生命”或“解决了生命的起源”。

研究人员澄清，他们检测到的是微生物生命的化学证据，而不是生命起源的证据。科学家强调该方法检测的是生物信号，而非外星生命。

历史先例：建立在数十年的工作基础上

这一突破是数十年研究成果的积累。1996年，陨石ALH84001引发了关于火星上化石和微生物的广泛讨论。

科学家在西澳大利亚发现了35亿年前的叠层石。这一机器学习创新代表了进化，而不是革命性的变化。

每一代工具——电子显微镜、同位素分析、分子测序，现在是人工智能——都在不断拓展检测的边界。

结论

地球上的生命可以追溯到至少33.3亿年前——现在我们有了化学证据。

人类做出了这一发现，但机器学习使其成为可能，因为它能够识别出人类看不到的模式。

地球早期的生物圈比之前的证据所显示的要复杂得多。这一技术将指导我们寻找地球以外的生命。