Bestond er leven op Mars en andere planeten? Misschien weten we het binnenkort

Wetenschappers hebben een baanbrekende methode ontwikkeld op basis van kunstmatige intelligentie om tekenen van leven op andere planeten te detecteren. Deze methode maakt met een nauwkeurigheid tot 90% onderscheid tussen biologische en niet-biologische monsters door moleculaire patronen te analyseren. Het belooft een revolutie teweeg te brengen in de verkenning van de ruimte en ons begrip van de oorsprong van het leven, met potentiële toepassingen op verschillende gebieden, waaronder biologie en archeologie.

“De heilige graal van de astrobiologie” – Nieuw Machinaal leren Deze technologie kan voor 90% bepalen of een monster van biologische of niet-biologische oorsprong is. Nauwkeurigheid.

Wetenschappers hebben een eenvoudige, betrouwbare test ontdekt voor tekenen van vroeger of huidig ​​leven op andere planeten: de ‘Heilige Graal van de astrobiologie’.

In een artikel dat onlangs in het tijdschrift is gepubliceerd Proceedings van de Nationale Academie van WetenschappenHet is een zevenkoppig team, gefinancierd door de John Templeton Foundation en geleid door Jim Cleaves en Robert Hazen van de John Templeton Foundation. Carnegie Instituut voor WetenschapUit rapporten blijkt dat hun op AI gebaseerde methode, met een nauwkeurigheid tot 90%, moderne en oude biologische monsters onderscheidde van die van niet-biologische oorsprong.

Een revolutie in ruimteverkenning en aardwetenschappen

“Deze routinematige analytische methode heeft het potentieel om de zoektocht naar buitenaards leven radicaal te veranderen en ons begrip van zowel de oorsprong als de chemie van het vroege leven op aarde te verdiepen”, zegt dr. Hazen. “Het opent de weg voor het gebruik van slimme sensoren op robotachtige ruimtevaartuigen, landers en rovers om te zoeken naar tekenen van leven voordat monsters terugkeren naar de aarde.”

Meer direct zou de nieuwe test de geschiedenis van mysterieuze oude rotsen op aarde kunnen onthullen, en misschien de geschiedenis van monsters die al door wetenschappers zijn verzameld. Mars Curiosity’s monsteranalyse-instrument op Mars (SAM). De laatste tests zouden kunnen worden uitgevoerd met behulp van een aan boord ontwikkeld analytisch instrument genaamd SAM (Sample Analysis on Mars).

Deze foto, gemaakt door NASA’s Perseverance-rover op 6 augustus 2021, toont het gat dat in een rots op Mars is geboord ter voorbereiding op de eerste poging van de rover om een ​​monster te verzamelen. Dit beeld werd vastgelegd door een van de gevaarcamera’s van de rover op wat het wetenschappelijke team van de rover een “bestratingsrots” noemde in het “Crater Floor Fractured Rough” -gebied van de Jezero-krater. Bron afbeelding: NASA/JPL-Caltech

“We zullen onze methode moeten aanpassen aan de SAM-protocollen, maar het is mogelijk dat we al gegevens hebben om te bepalen of er moleculen op Mars voorkomen uit de organische biosfeer van Mars.”

Belangrijkste conclusies uit het nieuwe onderzoek

“De zoektocht naar buitenaards leven blijft een van de meest opwindende ondernemingen in de moderne wetenschap”, zegt hoofdauteur Jim Cleaves van het Earth and Planetary Laboratory van het Carnegie Institution for Science in Washington, D.C.

“De implicaties van dit nieuwe onderzoek zijn talrijk, maar er zijn drie hoofdpunten die we kunnen concluderen: ten eerste is biochemie op een diep niveau anders dan abiotische organische chemie; ten tweede kunnen we naar oude monsters van Mars en de aarde kijken om te zien of ze levend in één dag; ten derde zal deze nieuwe methode waarschijnlijk onderscheid kunnen maken tussen alternatieve biosferen en die op aarde, met grote gevolgen voor toekomstige astrobiologische taken.

De rol van kunstmatige intelligentie bij het onderscheiden van biologische en niet-biologische monsters

De innovatieve analysemethode is niet alleen afhankelijk van het identificeren van een specifiek molecuul of een groep verbindingen in het monster.

In plaats daarvan hebben de onderzoekers aangetoond dat AI onderscheid kan maken tussen biologische en abiotische monsters door subtiele verschillen binnen de moleculaire patronen van een monster te detecteren, zoals onthuld door pyrolyse-gaschromatografie (die de samenstellende delen van een monster scheidt en identificeert), gevolgd door massaspectrometrie (die de deeltjes bepaalt). gewichten molecuul). van deze componenten).

Grote, multidimensionale gegevens uit moleculaire analyses van 134 monsters die rijk zijn aan abiotische of biotische koolstof werden gebruikt om kunstmatige intelligentie te trainen om de oorsprong van het nieuwe monster te voorspellen. Met een nauwkeurigheid van ongeveer 90% identificeerde de AI met succes monsters die afkomstig waren van:

• Levende organismen, zoals moderne schelpen, tanden, botten, insecten, boombladeren, rijst, menselijk haar en cellen bewaard in fijnkorrelige rotsen
• Overblijfselen van het oude leven die zijn veranderd door geologische verwerking (zoals steenkool, olie, barnsteen en koolstofrijke fossielen), of
• Monsters van niet-biologische oorsprong, zoals zuivere laboratoriumchemicaliën (bijv. Aminozuren) en koolstofrijke meteorieten.

De auteurs voegen hieraan toe dat het tot nu toe moeilijk was om de oorsprong van veel oude koolstofhoudende monsters te bepalen, omdat verzamelingen organische moleculen, zowel biotisch als abiotisch, in de loop van de tijd de neiging hebben te ontbinden.

Verrassend genoeg heeft de nieuwe analysemethode, ondanks aanzienlijk verval en verandering, biologische merkers aan het licht gebracht die in sommige gevallen gedurende honderden miljoenen jaren bewaard zijn gebleven.

Het ontcijferen van de chemie van het leven en het potentieel voor toekomstige ontdekkingen

“We zijn begonnen met het idee dat de chemie van het leven fundamenteel anders is dan de chemie van de levenloze wereld”, zegt dr. Hazen. Dat er ‘chemische levensregels’ zijn die de diversiteit en verspreiding van biomoleculen beïnvloeden. Als we deze regels kunnen afleiden, kunnen we ze gebruiken als leidraad voor onze inspanningen om de oorsprong van het leven te modelleren of subtiele tekenen van leven op andere werelden te detecteren.

“Deze resultaten betekenen dat we mogelijk een levensvorm van een andere planeet of een andere biosfeer kunnen vinden, zelfs als deze heel anders is dan het leven dat we op aarde kennen. En als we elders tekenen van leven vinden, kunnen we ook uit of er leven op aarde en op andere planeten bestaat.” Anderen hebben een gemeenschappelijke of een andere oorsprong.

Met andere woorden: de methode zou buitenaardse biochemie en leven op aarde moeten kunnen detecteren. Dit is belangrijk omdat het relatief eenvoudig is om moleculaire biomarkers van het leven op aarde te ontdekken, maar we kunnen niet aannemen dat buitenaards leven zou worden gebruikt DNAAminozuren, enz. Onze methode zoekt naar patronen in moleculaire distributies die voortkomen uit de behoefte van het leven aan ‘functionele’ moleculen.

“Wat ons echt verbaasde was dat we ons machine learning-model hadden getraind om slechts twee soorten exemplaren te voorspellen – biotisch of abiotisch – maar de methode ontdekte drie verschillende groepen: abiotisch, biotisch en fossielhoudend. Met andere woorden, het kon nieuwere biologische exemplaren identificeren. dan fossielhoudende exemplaren.” Een fossiel, bijvoorbeeld een vers geplukt blad of groente, versus iets dat lang geleden is gestorven. Deze verrassende ontdekking geeft ons optimisme dat andere kenmerken zoals fotosynthetisch leven of eukaryoten (cellen met een kern) kunnen worden geïdentificeerd.

De analytische mogelijkheden van kunstmatige intelligentie bij het detecteren van complexe patronen

Om de rol van AI uit te leggen, gebruikt co-auteur Anirudh Prabhu van het Carnegie Institution for Science het idee om munten te scheiden met behulp van verschillende attributen – bijvoorbeeld monetaire waarde, metaal, jaartal, gewicht of straal – en gaat vervolgens verder naar vind combinaties Functies die nauwkeurigere scheidingen en samenstellingen creëren. “En als het gaat om honderden van deze kenmerken, zijn AI-algoritmen van onschatbare waarde voor het verzamelen van informatie en het creëren van zeer nauwkeurige inzichten.”

“Vanuit chemisch oogpunt hebben de verschillen tussen biologische en abiotische monsters betrekking op zaken als de oplosbaarheid in water, molecuulgewichten, vluchtigheid, enz.”, voegt Dr. Cleaves toe.

“De eenvoudige manier waarop ik hierover nadenk is dat de cel een membraan en een binnenkant heeft die het cytosol wordt genoemd; Het membraan is enigszins onoplosbaar in water, terwijl de celinhoud enigszins oplosbaar is in water. Deze opstelling handhaaft de montage van het membraan terwijl wordt geprobeerd het contact van de componenten met water te minimaliseren en voorkomt ook dat “interne componenten” door het membraan lekken.

“Intrinsieke componenten kunnen ook in water oplosbaar blijven, ondanks dat het hele grote moleculen zijn, zoals chromosomen en eiwitten”, zegt hij.

“Dus als je een cel of levend weefsel in zijn componenten opsplitst, krijg je een mengsel van zeer wateroplosbare moleculen en zeer wateronoplosbare moleculen, verspreid over een breed bereik. Dingen als aardolie en steenkool hebben het grootste deel van hun water verloren. oplosbaar materiaal gedurende zijn lange geschiedenis.

“Biologische monsters kunnen unieke verdelingen over dit spectrum ten opzichte van elkaar hebben, maar ook verschillen van biologische verdelingen.”

3,5 miljard jaar oude Apex Chert uit de wildernis van West-Australië. Krediet: Carnegie Laboratorium voor Aard- en Planetaire Wetenschappen

Deze technologie zou binnenkort een aantal wetenschappelijke mysteries op aarde kunnen oplossen, waaronder de oorsprong van 3,5 miljard jaar oude zwarte afzettingen uit West-Australië – zeer controversiële gesteenten waarvan sommige onderzoekers beweren dat ze de oudste fossiele microben op aarde bevatten, terwijl anderen beweren dat er geen sprake is van van het leven. Tekens.

Andere monsters van oude rotsen in het noorden van Canada, Zuid-Afrika en China roepen soortgelijke discussies op.

“We passen onze methoden nu toe om deze al lang bestaande vragen over de biogenese van het organische materiaal in deze rotsen te beantwoorden”, zegt Hazen.

Nieuwe ideeën over de potentiële bijdragen van deze nieuwe aanpak stroomden door naar andere gebieden, zoals biologie, paleontologie en archeologie.

“Als kunstmatige intelligentie gemakkelijk onderscheid kan maken tussen biotisch en niet-biotisch leven, en tussen modern leven en oud leven, welke andere inzichten zouden we dan kunnen verkrijgen? Kunnen we bijvoorbeeld weten of een oude fossiele cel een kern had, of een proces fotosynthese zegt dr. Hazen.

“Is het mogelijk om verkoolde resten te analyseren en verschillende houtsoorten te onderscheiden van een archeologische vindplaats? Het is alsof we onze tenen in het water van een enorme oceaan van mogelijkheden dompelen.”

Referentie: “Robuuste, niet-specifieke, op machine learning gebaseerde moleculaire biosignatuur” door H. James Cleaves, Jericht Hystad, Anirudh Prabhu en Michael L. Wong en George D. Cody, Sophia Economon en Robert M. Hazen, 25 september 2023, Proceedings van de Nationale Academie van Wetenschappen.
doi: 10.1073/pnas.2307149120

Het onderzoek werd gefinancierd door de John Templeton Foundation.