在33億年前的巖石中，發現古老生命的化學證據

長期以來，為了尋找地球上最古老的生命跡象，古生物學家會將目光投向尋那些保存完好的化石證據，包括單細胞和絲狀體的微化石，以及微生物墊和丘狀疊層石等細胞結構的礦化遺跡。然而，這類來自地球“青春時期”的化石極其罕見。因此，尋找古老生命跡象的另一條線索，就是那些保存在古老巖石中的可作為生命標志的生物分子。

在一項新發表于《美國國家科學院院刊》上的研究中，一個研究團隊設計出了一種人工智能（AI），它只需根據數十億年前的生物分子在降解后留下的化學物質的分布模式，就能在來源不明的古老巖石中識別出古生命的跡象。

依靠這種方法，研究團隊分析了406份樣本，其中包括古沉積物、化石、現代動植物，甚至隕石。最終，他們在距今33億年的巖石中發現了地球早期生命的新化學證據，并找到了分子層面的線索證明——產氧光合作用早在至少25億年前就已經存在，比此前保存在碳分子中的光合作用化學記錄早了至少8億年。

殘存的生命證據

在過去的研究中，科學家已經在距今約17億年的沉積物中，發現了生命中一些最為“堅韌”的有機分子——例如源自細胞膜或某些代謝過程的分子；而一些保存在更古老的富碳巖石的同位素特征，則預示著在距今35億年前，就已存在一個充滿活力的生物圈。

然而，大多數古老巖石既沒有保存任何化石細胞，也沒能保留任何幸存的生物分子。絕大多數古老的含碳沉積物都經歷了加熱和改造，使得所有可作為生命標志的生物分子被分解成無數微小的“碎屑”。而一直以來，這些“碎屑”都被認為過于細小且缺乏特異性，無法提供有關遠古生命的任何線索。

來自早期地球的富含碳的樣本。（圖/Michael Wong）

因此，在這項新的研究中，研究人員決定不再一味追尋那些完整、無可爭辯的生物分子“鐵證”，而是開始思考：能否在這些化合物分解后留下的分子“碎屑”中，識別出足以說明問題的特征模式。

為此，研究團隊收集并測量了406個樣本，這些樣本來源于七大類：

• 現代動物：包括脊椎動物（如魚類）和無脊椎動物（如昆蟲）。

• 現代植物：包括具有光合作用的部位（如葉片）以及不進行光合作用的部位（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類化石的頁巖。

• 隕石：富含碳的太空巖石，可能類似于生命起源前的有機物質。

• 合成有機材料：在實驗室中制備，用以模擬早期地球的化學環境。

• 古沉積物：年代從數億年至30多億年不等，其具體來源尚不明確。

研究團隊利用一種名為裂解氣相色譜-質譜儀的裝置對這些樣本一一進行了分析。這一裝置能將樣品加熱到600℃以上，使其分解成易揮發的碎片。隨后，這些碎片會根據其物理和化學性質被分離、識別，并根據濃度進行統計。最終，每個樣本都被轉化成一幅數據“景觀”，其中包含多達數十萬個獨立的峰值，每一個峰都代表一種可能的分子碎片。

一種開創性的模型

隨后，他們使用一種名為“隨機森林”的機器學習模型對數據進行分類，并提取其中的潛在生態學和分類學模式。這個過程可以被想象成將成千上萬塊拼圖碎片展示給一臺電腦，然后問：原來的圖案是一朵花，還是一塊隕石？

在這一過程中，研究人員使用75%的樣本來對AI模型進行訓練，再把剩余樣本留給模型做獨立判斷。

他們首先測試了模型區分生物樣本與非生物樣本（如隕石或合成有機物）的能力。在已知來源的樣本上，該模型的區分準確率高達90%。而且模型還在距今33億年的巖石中，識別出了生物特有的化學模式——這一幾乎是此前在古巖石中發現的最早生物分子特征年齡的兩倍。

這片巖石薄片中的黑色結構是距今25億年的微生物構造。研究表明，保存在這一復雜微生物群落中的有機物，可能由光合作用微生物所產生。（圖/Andrea Corpolongo）

與此同時，模型還以93%的準確率，識別出曾利用光合作用從陽光中獲取能量的生物。這一方法在距今約25.2億年的巖石中識別出了光合作用的分子特征，將最早光合作用生命的生物分子特征向前推進了大約8億年。

此外，這一模型還能夠以95%的準確率區分了植物性生命與動物性生命。不過，由于在這個模型的訓練數據中，相對缺乏動物的化石樣本，因此在進行這類分類時要困難得多。這也是未來研究中有待改進的一個方向。

穿透時間迷霧的視線

這項研究的一個關鍵結論是：并不是所有的生命特征都那么容易被看出來，巖石年代越久遠，生命信號就越難被探測到。

具體來說，年齡在5億年以內的年輕巖石樣仍保留著強烈的生物信號；對于年齡在5億年至25億年的巖石來說，AI大約在三分之二的情況下能識別出生命特征；但在年齡超過25億年的巖石中，僅有47%的樣本保留了可檢測到的生命證據。

而且，對于每一個樣本，模型不僅給出“生命”或“非生命”的判斷，還會給出一個概率評分。如果某個樣本在“生物來源”這一項上的概率高于60%，就被視為“強有力的信號”。

不過，這種置信度還達不到理想中的水平，只有當樣本在統計上明顯區別于非生物材料時，才會將其判定為生物來源。但研究人員表示，這一不足將隨著研究人員用更多樣本來充實AI的訓練數據而得到改善。

對科學研究和太空探索的意義

這些結果表明，將機器學習應用于高度降解的有機物，可以幫助解決關于地球“深時”生命演化的一些長期爭論。并且這種方法有望在尋找地外生命的過程中同樣發揮作用。

如果AI能夠在歷經數十億年的地球巖石中識別出生物“指紋”，那么同樣的技術也可能適用于火星巖石，甚至來自木星冰封衛星——木衛二——的樣本。研究人員正迫不及待地希望能在地外樣本上測試這一系統。

不過，研究人員也表示，還需要更大、更加均衡的樣本數據，特別是更多動物化石以及更多樣化的非生物材料。接下來，他們計劃進一步優化模型，探索不同類型的機器學習方法，并在地球上類似火星環境的沙漠巖石中測試這一思路。

#參考來源：

https://carnegiescience.edu/chemical-evidence-ancient-life-detected-33-billion-year-old-rocks

https://www.science.org/content/article/ai-spots-ghost-signatures-ancient-life-earth

https://www.pnas.org/doi/full/10.1073/pnas.2514534122

https://www.eurekalert.org/news-releases/1105980

#圖片來源：

封面圖&首圖：Andrew Czaja