Naukowcy opracowali pionierską metodę opartą na sztucznej inteligencji, która pozwala wykrywać oznaki życia na innych planetach. Metoda ta z dokładnością do 90% rozróżnia próbki biologiczne od niebiologicznych poprzez analizę wzorców molekularnych. Obiecuje zrewolucjonizowanie eksploracji kosmosu i naszego zrozumienia początków życia, z potencjalnymi zastosowaniami w różnych dziedzinach, w tym w biologii i archeologii.
„Święty Graal astrobiologii” – nowość Nauczanie maszynowe Technologia ta pozwala w 90% określić, czy próbka jest pochodzenia biologicznego czy niebiologicznego. Dokładność.
Naukowcy odkryli prosty i niezawodny test na oznaki przeszłego lub obecnego życia na innych planetach – „Święty Graal astrobiologii”.
W artykule niedawno opublikowanym w czasopiśmie Postępowanie Narodowej Akademii NaukJest to siedmioosobowy zespół, ufundowany przez Fundację Johna Templetona i kierowany przez Jima Cleavesa i Roberta Hazena z Fundacji Johna Templetona. Instytut Nauki CarnegieZ raportów wynika, że opracowana przez nich metoda oparta na sztucznej inteligencji z dokładnością do 90% pozwoliła na odróżnienie współczesnych i starożytnych próbek biologicznych od próbek pochodzenia niebiologicznego.
Rewolucja w eksploracji kosmosu i naukach o Ziemi
„Ta rutynowa metoda analityczna może zrewolucjonizować poszukiwania życia pozaziemskiego i pogłębić naszą wiedzę zarówno na temat pochodzenia, jak i składu chemicznego wczesnego życia na Ziemi” – mówi dr Hazen. „To otwiera drogę do wykorzystania inteligentnych czujników w zrobotyzowanych statkach kosmicznych, lądownikach i łazikach do wyszukiwania oznak życia, zanim próbki powrócą na Ziemię”.
Bardziej bezpośrednio nowy test mógłby ujawnić historię tajemniczych starożytnych skał na Ziemi i być może historię próbek już zebranych przez naukowców. Mars Instrument do analizy próbek Curiosity na Marsie (SAM). Te ostatnie testy można byłoby przeprowadzić za pomocą pokładowego instrumentu analitycznego o nazwie SAM (Analiza próbek na Marsie).
To zdjęcie wykonane przez należący do NASA łazik Perseverance 6 sierpnia 2021 roku przedstawia otwór wywiercony w marsjańskiej skale w ramach przygotowań do pierwszej próby pobrania próbki przez łazik. To zdjęcie zostało uchwycone przez jedną z kamer łazika w miejscu, które zespół naukowy łazika nazwał „kostką brukową” w obszarze „Pękniętego szorstkiego dna krateru” w kraterze Jezero. Źródło obrazu: NASA/JPL-Caltech
„Będziemy musieli zmodyfikować naszą metodę, aby dopasować ją do protokołów SAM, ale możliwe, że mamy już dane umożliwiające określenie, czy na Marsie znajdują się cząsteczki pochodzące z marsjańskiej biosfery organicznej”.
Najważniejsze wnioski z nowego badania
„Poszukiwanie życia pozaziemskiego pozostaje jednym z najbardziej ekscytujących przedsięwzięć współczesnej nauki” – mówi główny autor Jim Cleaves z Earth and Planetary Laboratory w Carnegie Institution for Science w Waszyngtonie.
„Konsekwencje tych nowych badań są liczne, ale należy wyciągnąć trzy główne wnioski: po pierwsze, biochemia na głębokim poziomie różni się od abiotycznej chemii organicznej; po drugie, możemy przyjrzeć się starożytnym próbkom Marsa i Ziemi, aby sprawdzić, czy były po trzecie, ta nowa metoda prawdopodobnie umożliwi rozróżnienie między biosferami alternatywnymi a biosferami ziemskimi, co będzie miało poważne implikacje dla przyszłych zadań astrobiologicznych.
Rola sztucznej inteligencji w rozróżnianiu próbek biologicznych i niebiologicznych
Innowacyjna metoda analityczna nie polega wyłącznie na identyfikacji konkretnej cząsteczki lub grupy związków w próbce.
Zamiast tego naukowcy wykazali, że sztuczna inteligencja potrafi rozróżnić próbki biologiczne od abiotycznych, wykrywając subtelne różnice we wzorach molekularnych próbki, ujawnione za pomocą chromatografii gazowej z pirolizą (która oddziela i identyfikuje części składowe próbki), a następnie spektrometrii mas (która określa wagi molekularne). tych składników).
Duże, wielowymiarowe dane z analiz molekularnych 134 próbek bogatych w węgiel abiotyczny lub biotyczny wykorzystano do wyszkolenia sztucznej inteligencji w zakresie przewidywania pochodzenia nowej próbki. Z około 90% dokładnością sztuczna inteligencja z powodzeniem zidentyfikowała próbki pochodzące z:
- Organizmy żywe, takie jak współczesne muszle, zęby, kości, owady, liście drzew, ryż, ludzkie włosy i komórki zakonserwowane w drobnoziarnistych skałach
- Pozostałości starożytnego życia, które zostały zmienione w wyniku obróbki geologicznej (takie jak węgiel, ropa naftowa, bursztyn i skamieniałości bogate w węgiel) lub
- Próbki pochodzenia niebiologicznego, takie jak czyste chemikalia laboratoryjne (np. Aminokwasy) i meteoryty bogate w węgiel.
Autorzy dodają, że do tej pory trudno było określić pochodzenie wielu starożytnych próbek zawierających węgiel, ponieważ zbiory cząsteczek organicznych, zarówno biotycznych, jak i abiotycznych, z biegiem czasu mają tendencję do rozkładu.
Co zaskakujące, pomimo znacznego rozkładu i zmian, nowa metoda analityczna ujawniła markery biologiczne zachowane w niektórych przypadkach przez setki milionów lat.
Rozszyfrowanie chemii życia i potencjału przyszłych odkryć
„Zaczęliśmy od pomysłu, że chemia życia zasadniczo różni się od chemii świata nieożywionego” – mówi dr Hazen. Że istnieją „chemiczne zasady życia”, które wpływają na różnorodność i rozmieszczenie biomolekuł. Jeśli uda nam się wydedukować te reguły, będziemy mogli wykorzystać je do kierowania naszymi wysiłkami w zakresie modelowania początków życia lub wykrywania subtelnych oznak życia w innych światach.
„Wyniki te oznaczają, że być może uda nam się znaleźć formę życia z innej planety lub innej biosfery, nawet jeśli bardzo różni się ona od życia, które znamy na Ziemi. A jeśli znajdziemy oznaki życia gdzie indziej, będziemy w stanie znaleźć czy istnieje życie na Ziemi i na innych planetach.” Inne mają wspólne lub różne pochodzenie.
Innymi słowy, metoda powinna umożliwiać wykrycie obcej biochemii, a także życia na Ziemi. Jest to ważne, ponieważ stosunkowo łatwo jest odkryć molekularne biomarkery życia na Ziemi, nie można jednak zakładać, że życie obce zostanie wykorzystane DNAAminokwasy itp. Nasza metoda szuka wzorców w rozkładzie molekularnym, które wynikają z zapotrzebowania życia na „funkcjonalne” cząsteczki.
„Naprawdę zadziwiło nas to, że wytrenowaliśmy nasz model uczenia maszynowego tak, aby przewidywał tylko dwa typy okazów – biotyczne i abiotyczne – ale metoda wykryła trzy odrębne grupy: abiotyczne, biotyczne i skamieniałe. Innymi słowy, mogła identyfikować nowsze okazy biologiczne niż okazy skamieniałe.” Skamieniałość, na przykład świeżo zebrany liść lub warzywo, w porównaniu z czymś, co umarło dawno temu. To zaskakujące odkrycie napawa nas optymizmem, że inne cechy, takie jak życie fotosyntetyczne czy eukarionty (komórki z jądrem) mogą zostać odkryte rozpoznany.
Możliwości analityczne sztucznej inteligencji w wykrywaniu złożonych wzorców
Aby wyjaśnić rolę sztucznej inteligencji, współautor Anirudh Prabhu z Carnegie Institution for Science wykorzystuje koncepcję oddzielania monet na podstawie różnych atrybutów – na przykład wartości pieniężnej, metalu, roku, wagi lub promienia – a następnie przechodzi dalej znajdź kombinacje Funkcje, które tworzą dokładniejsze separacje i złożenia. „A jeśli chodzi o setki tych atrybutów, algorytmy sztucznej inteligencji są nieocenione w gromadzeniu informacji i tworzeniu bardzo dokładnych spostrzeżeń”.
„Z chemicznego punktu widzenia różnice między próbkami biologicznymi i abiotycznymi dotyczą np. rozpuszczalności w wodzie, masy cząsteczkowej, lotności itp.” – dodaje dr Cleaves.
„Myślę o tym najprościej, że komórka ma błonę i wnętrze zwane cytozolem; Membrana jest w pewnym stopniu nierozpuszczalna w wodzie, natomiast zawartość komórek jest w niej w pewnym stopniu rozpuszczalna. Takie ustawienie utrzymuje montaż membrany, jednocześnie starając się zminimalizować kontakt jej elementów z wodą, a także zapobiega wyciekaniu „elementów wewnętrznych” przez membranę.
„Składniki wewnętrzne mogą również pozostać rozpuszczalne w wodzie, mimo że są to bardzo duże cząsteczki, takie jak chromosomy i białka” – mówi.
„Tak więc, jeśli rozbijemy komórkę lub żywą tkankę na jej składniki, otrzymamy mieszaninę cząsteczek bardzo rozpuszczalnych w wodzie i cząsteczek bardzo nierozpuszczalnych w wodzie rozproszonych w szerokim zakresie. Substancje takie jak ropa naftowa i węgiel straciły większość swojej wody- rozpuszczalny materiał w swojej długiej historii.
„Próbki biologiczne mogą mieć unikalne rozkłady w tym spektrum względem siebie, ale także różnić się od rozkładów biologicznych”.
Apex Chert sprzed 3,5 miliarda lat, pochodzący z dziczy Australii Zachodniej. Źródło: Carnegie Laboratory for Earth and Planetary Sciences
Technologia ta może wkrótce rozwiązać szereg naukowych zagadek Ziemi, w tym pochodzenie liczących 3,5 miliarda lat czarnych osadów z Australii Zachodniej — wysoce kontrowersyjnych skał, które według niektórych badaczy zawierają najstarsze kopalne drobnoustroje na Ziemi, podczas gdy inni twierdzą, że są one pozbawione życia. Oznaki.
Inne próbki starożytnych skał w północnej Kanadzie, Republice Południowej Afryki i Chinach budzą podobne dyskusje.
„Teraz stosujemy nasze metody, aby odpowiedzieć na od dawna zadawane pytania dotyczące biogenezy materii organicznej znajdującej się w tych skałach” – mówi Hazen.
Nowe pomysły dotyczące potencjalnego wkładu tego nowego podejścia przeniknęły do innych dziedzin, takich jak biologia, paleontologia i archeologia.
„Jeśli sztuczna inteligencja może z łatwością odróżnić życie biotyczne od niebiotycznego, a także życie współczesne od życia starożytnego, jakie inne spostrzeżenia moglibyśmy uzyskać? Na przykład, czy moglibyśmy wiedzieć, czy starożytna komórka kopalna miała jądro, czy też wykonywała proces fotosyntezy?”, mówi dr Hazen.
„Czy można analizować zwęglone pozostałości i rozróżniać różne rodzaje drewna ze stanowiska archeologicznego? To tak, jakbyśmy zanurzali palce w wodzie ogromnego oceanu możliwości.”
Odniesienie: „Solidna, niespecyficzna biosygnatura molekularna oparta na uczeniu maszynowym” autorstwa H. James Cleaves, Jericht Hystad, Anirudh Prabhu i Michael L. Wonga i George’a D. Cody, Sophia Economon i Robert M. Hazena, 25 września 2023 r., Postępowanie Narodowej Akademii Nauk.
doi: 10.1073/pnas.2307149120
Badanie zostało sfinansowane przez Fundację Johna Templetona.
