枣庄铝皮保温施工 在33亿年前的岩石中, 发现古老生命的化学证据

长期以来，为了寻找地球上最古老的生命迹象，古生物学家会将目光投向寻那些保存完好的化石证据，包括单细胞和丝状体的微化石，以及微生物垫和丘状叠层石等细胞结构的矿化遗迹。然而，这类来自地球“青春时期”的化石极其罕见。因此，寻找古老生命迹象的另一条线索，就是那些保存在古老岩石中的可作为生命标志的生物分子。

在一项新发表于《美国国家科学院院刊》上的研究中，一个研究团队设计出了一种人工智能（AI），它只需根据数十亿年前的生物分子在降解后留下的化学物质的分布模式，就能在来源不明的古老岩石中识别出古生命的迹象。

依靠这种方法，研究团队分析了406份样本，其中包括古沉积物、化石、现代动植物，甚至陨石。最终，他们在距今33亿年的岩石中发现了地球早期生命的新化学证据，并找到了分子层面的线索证明——产氧光合作用早在至少25亿年前就已经存在，比此前保存在碳分子中的光合作用化学记录早了至少8亿年。

残存的生命证据

在过去的研究中，科学家已经在距今约17亿年的沉积物中，发现了生命中一些最为“坚韧”的有机分子——例如源自细胞膜或某些代谢过程的分子；而一些保存在更古老的富碳岩石的同位素特征，则预示着在距今35亿年前，就已存在一个充满活力的生物圈。

然而，大多数古老岩石既没有保存任何化石细胞，也没能保留任何幸存的生物分子。绝大多数古老的含碳沉积物都经历了加热和改造，使得所有可作为生命标志的生物分子被分解成无数微小的“碎屑”。而一直以来，这些“碎屑”都被认为过于细小且缺乏特异性，无法提供有关远古生命的任何线索。

来自早期地球的富含碳的样本。（图/Michael Wong）

因此，在这项新的研究中，研究人员决定不再一味追寻那些完整、无可争辩的生物分子“铁证”，而是开始思考：能否在这些化合物分解后留下的分子“碎屑”中，识别出足以说明问题的特征模式。

为此，研究团队收集并测量了406个样本，这些样本来源于七大类：

现代动物：包括脊椎动物（如鱼类）和无脊椎动物（如昆虫）。

现代植物：包括具有光合作用的部位（如叶片）以及不进行光合作用的部位（如根和汁液）。

真菌：包括蘑菇和酵母等。

化石材料：如煤、古代木材以及富含藻类化石的页岩。

陨石：富含碳的太空岩石，可能类似于生命起源前的有机物质。

合成有机材料：在实验室中制备，用以模拟早期地球的化学环境。

古沉积物：年代从数亿年至30多亿年不等，其具体来源尚不明确。

研究团队利用一种名为裂解气相色谱-质谱仪的装置对这些样本一一进行了分析。这一装置能将样品加热到600℃以上，使其分解成易挥发的碎片。随后，这些碎片会根据其物理和化学性质被分离、识别，并根据浓度进行统计。最终，每个样本都被转化成一幅数据“景观”，其中包含多达数十万个独立的峰值，每一个峰都代表一种可能的分子碎片。

一种开创性的模型

随后，铝皮保温他们使用一种名为“随机森林”的机器学习模型对数据进行分类，并提取其中的潜在生态学和分类学模式。这个过程可以被想象成将成千上万块拼图碎片展示给一台电脑，然后问：原来的图案是一朵花，还是一块陨石？

在这一过程中，研究人员使用75%的样本来对AI模型进行训练，再把剩余样本留给模型做独立判断。

他们首先测试了模型区分生物样本与非生物样本（如陨石或合成有机物）的能力。在已知来源的样本上，该模型的区分准确率高达90%。而且模型还在距今33亿年的岩石中，识别出了生物特有的化学模式——这一几乎是此前在古岩石中发现的最早生物分子特征年龄的两倍。

这片岩石薄片中的黑色结构是距今25亿年的微生物构造。研究表明，保存在这一复杂微生物群落中的有机物，可能由光合作用微生物所产生。（图/Andrea Corpolongo）

与此同时，模型还以93%的准确率，识别出曾利用光合作用从阳光中获取能量的生物。这一方法在距今约25.2亿年的岩石中识别出了光合作用的分子特征，将最早光合作用生命的生物分子特征向前推进了大约8亿年。

此外，这一模型还能够以95%的准确率区分了植物性生命与动物性生命。不过，由于在这个模型的训练数据中，相对缺乏动物的化石样本，因此在进行这类分类时要困难得多。这也是未来研究中有待改进的一个方向。

穿透时间迷雾的视线

这项研究的一个关键结论是：并不是所有的生命特征都那么容易被看出来，岩石年代越久远，生命信号就越难被探测到。

具体来说，年龄在5亿年以内的年轻岩石样仍保留着强烈的生物信号；对于年龄在5亿年至25亿年的岩石来说，AI大约在三分之二的情况下能识别出生命特征；但在年龄超过25亿年的岩石中，仅有47%的样本保留了可检测到的生命证据。

而且，对于每一个样本，模型不仅给出“生命”或“非生命”的判断，还会给出一个概率评分。如果某个样本在“生物来源”这一项上的概率高于60%，就被视为“强有力的信号”。

不过，这种置信度还达不到理想中的水平，只有当样本在统计上明显区别于非生物材料时，才会将其判定为生物来源。但研究人员表示，这一不足将随着研究人员用更多样本来充实AI的训练数据而得到改善。

对科学研究和太空探索的意义

这些结果表明，将机器学习应用于高度降解的有机物，可以帮助解决关于地球“深时”生命演化的一些长期争论。并且这种方法有望在寻找地外生命的过程中同样发挥作用。

如果AI能够在历经数十亿年的地球岩石中识别出生物“指纹”，那么同样的技术也可能适用于火星岩石，甚至来自木星冰封卫星——木卫二——的样本。研究人员正迫不及待地希望能在地外样本上测试这一系统。

不过，研究人员也表示，还需要更大、更加均衡的样本数据，特别是更多动物化石以及更多样化的非生物材料。接下来，他们计划进一步优化模型，探索不同类型的机器学习方法，并在地球上类似火星环境的沙漠岩石中测试这一思路。

#参考来源：

#图片来源：

封面图&首图：Andrew Czaja