南非姆普马兰加省深处的一段古老碳化石沉积，最近揭开了地球生命更早的篇章。研究人员利用机器学习技术分析约瑟夫斯达尔燧石中的微量碳元素，确定这些痕迹距今约33.3亿年，是目前地球上最早、且可信度最高的生命化学证据。
研究团队还在南非和加拿大的岩石样本中发现了目前已知最古老的光合作用迹象，分别来自25.2亿年和23亿年前的地层，这意味着光合作用的出现时间比此前估计的更早，时间轴向前推进了约8亿年。
在这些沉积中可以看到一些深色结构，那正是古代光合作用活动留下的痕迹。美国卡内基科学研究所的矿物学家兼天体生物学家罗伯特·哈岑解释说，古老生命不仅会留下化石，同样会在岩石深处留下“化学回声”。借助机器学习，这些微弱的信号第一次能够被高可靠度地解读出来。
由于时间、风化以及地质变化的累积，生命曾经留下的痕迹往往极其脆弱，更别提地球最初的生命可能只是肉眼难以捕捉的微生物。它们的形态经过数十亿年的改造，几乎不可能完整保存。不过，它们依然会在岩石中以另一种方式“出现”。例如叠层石的层状结构，被普遍认为是微生物垫的大规模遗迹；黑燧石、页岩和碳酸盐岩中散落的微量碳，也常被视作生命活动的潜在迹象。但鉴别这些高度变质的碳究竟来自生命过程还是自然化学反应，一直非常困难。
哈岑与团队采用了一种全新的方式来解决这个难题。在研究中，第一作者黄迈克尔与阿尼鲁德·普拉布利用年轻生物分子的典型化学特征训练机器学习模型，使其能够识别那些人类肉眼无法区分的微弱模式。哈岑将这一过程比作“向电脑展示成千上万块被打散的拼图，让它判断原图是花朵还是陨石”。研究重点不是某个具体分子，而是大量碎片化化学特征之间的整体模式。
团队采集了406份来自不同年代的样本，其中包括近十亿年前的化石海藻、叠层石以及古老燧石中的碳痕迹，并使用热解–气相色谱–质谱（Py-GC-MS）技术进行分析。该技术通过加热样本，将其中的有机成分分解成碎片，再将这些碎片分离并测量其质量特征。机器学习模型随后对这些信号进行分析，识别其中的生物学模式，其准确率超过90%。
机器学习专家普拉布指出，这些化学数据在过去几十年里一直被科学界使用，但人工智能提供了全新的视角，让研究者能够从中提取更深层的信息，即便这些样本已经经历了严重的化学退化。随着样本年代越久远，生物信号变得越弱，许多特征被地质过程不断剥蚀。不过，这套模型仍能在极为古老的样本中捕捉到微妙的生命印迹。
研究显示，来自约33.3亿年前的约瑟夫斯达尔燧石是目前机器学习可以肯定识别的最古老生命化学信号。这并不代表更古老的样本一定没有生命痕迹，而是这些样本可能已经退化到难以被现有技术分辨的程度。即便如此，这项分析仍能够明确表明，地球上的生命在33.3亿年前已经存在且相当活跃，甚至可能更早。
哈岑表示，这项成果标志着人类在破解地球早期生命密码方面迈出了关键一步。通过将先进的化学分析技术与人工智能结合，科研人员能够“听见”那些几乎被时间掩埋的分子回声。数十亿年前的岩石仍然在向我们讲述生命的故事，而人类也正逐渐学会如何倾听。
本文译自来源：sciencealert .由olaola编辑发布