Kathrine Frich
Forskare som testar ett nytt verktyg baserat på artificiell intelligens tror att det kan förändra hur vetenskapen söker efter liv på andra världar.
Tidiga tester tyder på att systemet kan upptäcka svaga spår som lämnats av uråldriga organismer – spår som annars skulle förbli oupptäckta.
Arbetet antyder också att tekniker utvecklade för jorden i framtiden kan användas på Mars eller på de isiga månar som kretsar kring avlägsna gasjättar.
Uråldriga signaler avslöjade
Enligt Daily Star kombinerade forskare avancerad kemisk analys med maskininlärning för att undersöka jordiska bergarter som bildades för 3,3 miljarder år sedan.
Metoden avslöjade subtila kemiska ledtrådar som forskarna menar skapats av sedan länge utdött liv.
Resultaten, som publicerades i Proceedings of the National Academy of Sciences, baserades på mer än 400 prover.
Dessa inkluderade sediment, fossil, moderna växter och djur, svampar och till och med meteoriter för att stresstesta den nya upptäcktsmodellen.
Teamet rapporterade att algoritmen tillförlitligt kunde skilja biologiskt material från icke-levande prover – med en noggrannhet på över 90 procent.
Astrobiologen och planetforskaren Dr Michael Wong sade till Daily Star:
”Detta är ett inspirerande exempel på hur modern teknik kan kasta nytt ljus över planetens allra äldsta berättelser och kan omforma hur vi söker efter uråldrigt liv på jorden och på andra världar. Det här är ett kraftfullt nytt verktyg för astrobiologin.”
Banbrytande metoder
Forskarna använde en teknik kallad pyrolys-gaskromatografi-masspektrometri för att bryta ned komplexa material från bergarterna.
Fragmenten bildade kemiska fingeravtryck som matades in i ett maskininlärningsprogram tränat att känna igen livsrelaterade mönster.
Modellen utvecklades för att kunna läsa dessa mönster även när de ursprungliga molekylerna var kraftigt nedbrutna.
Detta eliminerar behovet av att hitta intakta fossil eller specifika biologiska markörer som DNA.
Dr Wongs medförfattare Dr Robert Hazen beskrev metoden som ett ”paradigmskifte”, eftersom modellen letar efter breda fördelningsmönster i stället för specifika molekyler.
Han sade till BBC: ”För allra första gången tittar vi bara på en fördelningsfunktion. Det låter oss vara mycket mer generella när vi undersöker starkt degraderade prover med väldigt lite information.”
Livets tidslinje skjuts längre tillbaka
Forskarna sade att det äldsta biosignalet som upptäcktes i studien är 3,3 miljarder år gammalt – nästan dubbelt så gammalt som den tidigare erkända gränsen på 1,7 miljarder år.
De fann också tecken på att fotosyntes ägde rum för minst 2,5 miljarder år sedan, ungefär 800 miljoner år tidigare än tidigare uppskattningar.
Daily Star rapporterar att forskare traditionellt har förlitat sig på sällsynta stromatoliter eller på förändringar i isotopförhållanden för att spåra tidigt liv.
Båda metoderna kräver exceptionellt välbevarade prover, vilket begränsar mängden material som kan användas.
Den nya maskininlärningsmetoden gör det möjligt för forskare att analysera en bredare uppsättning bergarter och ger en kompletterande bevislinje som kan fylla långvariga luckor i det geologiska arkivet.
Nya möjligheter för utforskning
Algoritmen kan identifiera stora skillnader mellan prover från levande och icke-levande källor och kan dessutom skilja fotosyntetiska organismer från andra.
Den kan till och med skilja större grupper av liv, såsom eukaryoter och prokaryoter.
Dr Hazen sade att systemets känslighet kan vara avgörande för studier av Mars, där det är oklart hur eventuellt tidigare liv kan ha sett ut.
Om det visar sig för dyrt att transportera hem bergprover till jorden, sade han att en rover utrustad med ett portabelt analysinstrument kan göra arbetet direkt på planetens yta.
Forskarna har fått NASA-finansiering för att utveckla ett sådant instrumentpaket. Medförfattaren Dr Anirudh Prabhu sade:
”Det spännande är att metoden inte bygger på att hitta igenkännbara fossil. AI hjälpte oss inte bara att analysera data snabbare – den gjorde det möjligt att förstå rörig, hårt nedbruten kemisk data. Det öppnar dörren för att utforska uråldriga och utomjordiska miljöer med ett nytt perspektiv, vägledd av mönster vi själva inte ens skulle ha tänkt på.”
Ett utvidgat verktyg för forskningen
Medförfattaren professor Andrew Knoll sade att metoden kan bli en central del av både planetär och geologisk forskning. Han sade till Daily Star:
”I årtionden har vi letat efter spår av liv i uråldriga bergarter med en begränsad uppsättning verktyg. Det anmärkningsvärda med denna studie är att den tillför helt nya dimensioner – inte bara bättre instrument utan bättre frågor. Maskininlärning hjälper oss att upptäcka biologiska signaler som tidigare i praktiken var osynliga. Det är ett språng framåt i vår förmåga att läsa livets djuptidliga historia.”
Källor: Daily Star, BBC, PNAS
