AI結合化學分析 探測33億年前生命化學訊號

一支由卡內基科學研究所（Carnegie Institution for Science）領銜的跨學科團隊，成功開發出一種結合尖端化學分析技術與人工智慧（AI）的新方法，得以從高達33億年前的古老岩石中，偵測到生命活動遺留的化學「指紋」或稱「迴響」。此項研究成果已發表於《美國國家科學院院刊》（Proceedings of the National Academy of Sciences）。

該研究的核心在於建立一套識別古代生命化學「指紋」的新途徑，即使原始的生物分子已然降解。此項創新分析途徑，將地球可探測的生命化學生物標誌物時間窗口，從過去約17億年大幅延長。卡內基科學研究所高級研究員羅伯特·哈森博士（Dr. Robert Hazen）指出，生命留下的不僅是化石，更是可被機器學習可靠解讀的化學「迴響」。

團隊分析了超過400個樣本，範圍涵蓋古代沉積物、化石、現代動植物及隕石，以驗證技術的普適性。該方法首次將熱解氣相層析質譜儀（Py-GC-MS）釋放的化學碎片數據，與「隨機森林」（random forest）等監督式機器學習模型結合，用於識別數十億年前岩石中的生物標誌物。此技術在識別古代岩石中生物起源物質時，準確率超過90%，現代樣本中更高達98%。

更具突破性的是，該技術成功在約25億年前的岩石中偵測到活躍的產氧光合作用跡象，這比先前文獻記載的時間提前了約8億年。此種化學分析與機器學習的結合，被視為古生物學和太空生物學領域的重大方法學進展，因其能解析複雜化學數據集中潛藏的生物學規律。該方法不依賴單一化合物的精確識別，而是利用層析和質譜峰的相對關係來判斷生物成因。

此項技術的潛在應用範圍廣泛，不僅有助於解析地球生命演化史上的長期爭議，也為未來在火星或木衛二（Europa）等星球上尋找地外生命提供了強大的分析工具。團隊成員凱蒂·馬洛尼（Katie Maloney）表示，這項創新技術有助於以全新方式解讀地球深層時間的化石記錄，並能指導未來對其他行星生命跡象的探尋。研究團隊計劃持續優化模型，並將其應用於模擬火星環境的沙漠岩石樣本，以驗證其在行星際探索中的可靠性。