¿Existió vida en Marte y otros planetas? Quizás lo sepamos pronto

«El Santo Grial de la Astrobiología» – Nuevo Aprendizaje automático Esta tecnología puede determinar en un 90% si una muestra es de origen biológico o no biológico. Exactitud.

Los científicos han descubierto una prueba sencilla y fiable para detectar signos de vida pasada o presente en otros planetas: el «Santo Grial de la astrobiología».

En un artículo publicado recientemente en la revista procedimientos de la Academia Nacional de CienciasEs un equipo de siete miembros, financiado por la Fundación John Templeton y dirigido por Jim Cleaves y Robert Hazen de la Fundación John Templeton. Instituto Carnegie para la CienciaLos informes indican que su método basado en IA, con hasta un 90% de precisión, distinguió muestras biológicas modernas y antiguas de aquellas de origen no biológico.

Una revolución en la exploración espacial y las ciencias de la Tierra

«Este método analítico de rutina tiene el potencial de revolucionar la búsqueda de vida extraterrestre y profundizar nuestra comprensión tanto del origen como de la química de la vida temprana en la Tierra», dice el Dr. Hazen. «Abre el camino al uso de sensores inteligentes en naves espaciales robóticas, módulos de aterrizaje y vehículos exploradores para buscar signos de vida antes de que las muestras regresen a la Tierra».

De manera más inmediata, la nueva prueba podría revelar la historia de misteriosas rocas antiguas en la Tierra, y tal vez la historia de muestras ya recolectadas por los científicos. Marte Instrumento de análisis de muestras de Curiosity en Marte (SAM). Estas últimas pruebas podrían realizarse utilizando un instrumento analítico a bordo llamado SAM (Análisis de muestras en Marte).

Esta imagen tomada por el rover Perseverance de la NASA el 6 de agosto de 2021 muestra el agujero perforado en una roca marciana en preparación para el primer intento del rover de recolectar una muestra. Esta imagen fue capturada por una de las cámaras de peligro del rover en lo que el equipo científico del rover llamó un «adoquín» en el área «Crater Floor Fractured Rough» del cráter Jezero. Fuente de la imagen: NASA/JPL-Caltech

«Tendremos que modificar nuestro método para adaptarlo a los protocolos SAM, pero es posible que ya tengamos datos para determinar si hay moléculas en Marte de la biosfera orgánica marciana».

Conclusiones clave de la nueva investigación

«La búsqueda de vida extraterrestre sigue siendo uno de los esfuerzos más apasionantes de la ciencia moderna», dice el autor principal Jim Cleaves del Laboratorio Planetario y de la Tierra del Instituto Carnegie para la Ciencia en Washington, D.C.

«Las implicaciones de esta nueva investigación son muchas, pero hay tres puntos principales para concluir: primero, en un nivel profundo, la bioquímica es diferente de la química orgánica abiótica; segundo, podemos observar muestras antiguas de Marte y la Tierra para ver si fueron vivo en Un día; en tercer lugar, este nuevo método probablemente podrá distinguir entre biosferas alternativas y aquellas en la Tierra, con importantes implicaciones para futuras tareas de astrobiología.

El papel de la inteligencia artificial a la hora de distinguir entre muestras biológicas y no biológicas

El innovador método analítico no depende únicamente de identificar una molécula o grupo de compuestos específicos en la muestra.

En cambio, los investigadores demostraron que la IA puede distinguir entre muestras biológicas y abióticas al detectar diferencias sutiles dentro de los patrones moleculares de una muestra, como lo revela la cromatografía de gases de pirólisis (que separa e identifica los componentes de una muestra), seguida de la espectrometría de masas (que determina la pesos moleculares). de estos componentes).

Se utilizaron grandes datos multidimensionales de análisis moleculares de 134 muestras ricas en carbono abiótico o biótico para entrenar la inteligencia artificial para predecir el origen de la nueva muestra. Con aproximadamente un 90% de precisión, la IA identificó con éxito muestras que se originaron en:

• Organismos vivos, como caparazones, dientes, huesos, insectos, hojas de árboles, arroz, cabello humano y células modernas conservadas en rocas de grano fino.
• Restos de vida antigua que han sido alterados por procesamiento geológico (como carbón, petróleo, ámbar y fósiles ricos en carbono), o
• Muestras de origen no biológico, como sustancias químicas puras de laboratorio (p. ej. Aminoácidos) y meteoritos ricos en carbono.

Los autores añaden que hasta ahora ha sido difícil determinar los orígenes de muchas muestras antiguas que contienen carbono, porque las colecciones de moléculas orgánicas, ya sean bióticas o abióticas, tienden a descomponerse con el tiempo.

Sorprendentemente, a pesar del importante deterioro y cambio, el nuevo método analítico ha revelado marcadores biológicos conservados en algunos casos durante cientos de millones de años.

Descifrando la química de la vida y el potencial para futuros descubrimientos

«Comenzamos con la idea de que la química de la vida es fundamentalmente diferente de la química del mundo inanimado», dice el Dr. Hazen. Que existen “reglas químicas de vida” que influyen en la diversidad y distribución de las biomoléculas. Si podemos deducir esas reglas, podemos usarlas para guiar nuestros esfuerzos por modelar los orígenes de la vida o detectar signos sutiles de vida en otros mundos.

«Estos resultados significan que podemos encontrar una forma de vida en otro planeta u otra biosfera, incluso si es muy diferente de la vida que conocemos en la Tierra. Y si encontramos signos de vida en otros lugares, podemos encontrar determinar si existe vida en la Tierra y en otros planetas”. Otros derivan de un origen común o diferente.

En otras palabras, el método debería poder detectar bioquímica extraterrestre, así como vida en la Tierra. Esto es importante porque es relativamente fácil descubrir biomarcadores moleculares de vida en la Tierra, pero no podemos asumir que se utilizaría vida extraterrestre. ADNAminoácidos, etc. Nuestro método busca patrones en las distribuciones moleculares que surgen de la necesidad de la vida de moléculas «funcionales».

«Lo que realmente nos sorprendió fue que entrenamos nuestro modelo de aprendizaje automático para predecir solo dos tipos de especímenes (bióticos o abióticos), pero el método detectó tres grupos distintos: abióticos, bióticos y fosilíferos. En otras palabras, pudo identificar especímenes biológicos más nuevos. que especímenes fosilíferos». Un fósil, por ejemplo, una hoja o un vegetal recién recogido, versus algo que murió hace mucho tiempo. Este sorprendente descubrimiento nos da optimismo de que otras características como la vida fotosintética o los eucariotas (células con núcleo) pueden ser identificado.

Las capacidades analíticas de la inteligencia artificial para detectar patrones complejos

Para explicar el papel de la IA, el coautor Anirudh Prabhu, del Carnegie Institution for Science, utiliza la idea de separar monedas utilizando diferentes atributos (valor monetario, metal, año, peso o radio, por ejemplo) y luego va más allá. encontrar combinaciones Funciones que crean separaciones y ensamblajes más precisos. «Y cuando se trata de cientos de estos atributos, los algoritmos de IA son invaluables para recopilar información y crear conocimientos muy precisos».

«Desde un punto de vista químico, las diferencias entre muestras biológicas y abióticas se relacionan con aspectos como la solubilidad en agua, los pesos moleculares, la volatilidad, etc.», añade el Dr. Cleaves.

“La forma sencilla en que pienso sobre esto es que la célula tiene una membrana y un interior llamado citosol; La membrana es algo insoluble en agua, mientras que el contenido celular es algo soluble en agua. Esta disposición mantiene el conjunto de la membrana mientras intenta minimizar el contacto de sus componentes con el agua y también evita que «componentes internos» se filtren a través de la membrana.

«Los componentes intrínsecos también pueden seguir siendo solubles en agua a pesar de ser moléculas muy grandes, como los cromosomas y las proteínas», afirma.

«Entonces, si uno descompone una célula o un tejido vivo en sus componentes, obtiene una mezcla de moléculas muy solubles en agua y moléculas muy insolubles en agua distribuidas en una amplia gama. Cosas como el petróleo y el carbón han perdido la mayor parte de su agua. material soluble a lo largo de su larga historia.

«Las muestras biológicas pueden tener distribuciones únicas en este espectro entre sí, pero también difieren de las distribuciones biológicas».

Apex Chert de 3.500 millones de años procedente de las zonas salvajes de Australia Occidental. Crédito: Laboratorio Carnegie de Ciencias Planetarias y de la Tierra

Esta tecnología pronto podría resolver una serie de misterios científicos en la Tierra, incluido el origen de depósitos negros de 3.500 millones de años de antigüedad en Australia Occidental: rocas muy controvertidas que, según algunos investigadores, contienen los microbios fósiles más antiguos de la Tierra, mientras que otros afirman que carecen de ellos. de vida. Señales.

Otras muestras de rocas antiguas en el norte de Canadá, Sudáfrica y China suscitan debates similares.

«Ahora estamos aplicando nuestros métodos para responder estas preguntas de larga data sobre la biogénesis de la materia orgánica que se encuentra en estas rocas», dice Hazen.

Nuevas ideas sobre las posibles contribuciones de este nuevo enfoque se extendieron a otros campos como la biología, la paleontología y la arqueología.

«Si la inteligencia artificial puede distinguir fácilmente entre vida biótica y no biótica, así como entre vida moderna y vida antigua, ¿qué otras ideas podríamos obtener? Por ejemplo, ¿podríamos saber si una célula fósil antigua tenía un núcleo o estaba realizando una función?» ¿Procesa la fotosíntesis?, dice el Dr. Hazen.

«¿Es posible analizar restos carbonizados y distinguir diferentes tipos de madera de un yacimiento arqueológico? Es como si estuviéramos sumergiendo los dedos de los pies en el agua de un vasto océano de posibilidades».

Referencia: “Biofirma molecular robusta y no específica basada en aprendizaje automático” por H. James Cleaves, Jericht Hystad, Anirudh Prabhu y Michael L. Wong y George D. Cody, Sophia Economon y Robert M. Hazen, 25 de septiembre de 2023, procedimientos de la Academia Nacional de Ciencias.
doi: 10.1073/pnas.2307149120

El estudio fue financiado por la Fundación John Templeton.