人工智能结合化学分析揭示33亿年前生命化学回声

一个多学科的科学家团队通过深度融合尖端化学分析与人工智能技术，在古生物学和天体生物学领域取得了方法论上的重要进展，成功捕获了地球早期生命留下的微弱化学信号。这项创新技术专注于分析保存在岩石中的分子特征，这些岩石的年代可追溯至33亿年前，这极大地扩展了原始生物分子能够存留并被检测的时间范围。

该研究成果已发表于《美国国家科学院院刊》，其核心发现是成功识别出表明产氧光合作用至少在25.2亿年前就已活跃的分子证据。这一发现将该关键生物过程被记录的时间线向前推进了约8亿年，远超以往的分子基准点，此前可靠的分子生命证据仅能从17亿年以内的岩石中获取。该研究方法对超过400个不同样本进行了全面分析，样本范围涵盖古代沉积物、现代生物体、化石乃至陨石，分析工具采用了热解-气相色谱-质谱联用技术（Py-GC-MS）。

随后，所得数据集被输入到一个经过专门训练的监督式机器学习模型中，该模型旨在区分源自生物活动的化学“指纹”与非生物物质的信号。该系统在对古代岩石样本进行生物性或非生物性分类时，展现出超过90%的检测准确率，在对现代样本的分类中准确率更是达到98%。光合作用信号的检测准确率也高达93%，暗示这是一个解决深层时间生命演化长期争论的强大系统。

论文的通讯作者、来自卡内基科学研究所的罗伯特·哈森博士指出，生命留下了化学“回声”，而机器学习现在允许研究人员对其进行可靠的解读。这项进展修正了对早期地球生物圈的现有模型，并将化学生物标记研究的时间窗口延长了一倍。该技术被设计为对已建立方法（如同位素分析）的有力补充，为解释复杂、已降解的有机物质提供了一个新的分析视角。

地球上最古老的确认生命痕迹来自33.3亿年前的岩石，具体而言是南非的约瑟夫斯达尔燧石（Josefsdal Chert）等地质构造。这项研究的意义超越了地球本身，对天体生物学影响深远。研究人员推测，如果该人工智能能够可靠地检测出在地球上存活了数十亿年的生物“指纹”，同样的分析方法便可部署到对火星或木星冰冷卫星等环境中外星生命的搜寻中。参与研究的凯蒂·马洛尼博士提到，她为验证该方法提供了来自加拿大育空地区的稀有十亿年前的海藻化石，强调了化学与机器学习的结合揭示了地质记录中先前不可见的生物线索。