美国科学家团队开发了一种基于人工智能的系统，能够以90%的准确率检测生命迹象。这个系统可以区分生物和非生物材料。它对了解地球和火星上生命的起源以及探测外星生命具有重要意义，可能会改变天体生物学。
人类正在寻找其他星球上的生命，但当我们看到它时，我们将如何识别它?现在，美国的一个科学家团队创造了一种人工智能系统，能够以90%的准确率识别其他星球上的生命迹象。
这项工作最近于7月14日星期五在里昂举行的戈德施密特地球化学会议上首次向科学家们展示，得到了该领域其他工作人员的积极评价。这些细节最近也发表在同行评议期刊《美国国家科学院院刊》上。
卡内基研究所地球物理实验室和乔治梅森大学的首席研究员罗伯特·哈森教授说。他说:“这是我们识别其他星球生命生化迹象能力的重大进步。这为在无人驾驶飞船上使用智能传感器寻找生命迹象开辟了道路。”
自20世纪50年代初以来，科学家们已经知道，在适当的条件下，混合简单的化学物质可以形成生命所需的一些更复杂的分子，比如氨基酸。从那以后，在太空中发现了更多生命所必需的成分，比如制造DNA所需的核苷酸。但我们怎么知道这些是生物起源，还是由另一个非生物过程随着时间的推移而产生的呢?如果不知道这些，我们就不知道我们是否探测到了生命。
2016年6月，好奇号火星车在火星表面拍摄的自拍照。好奇号火星车使用了本通知中描述的热解- gcms设备。来源:美国国家航空航天局/姓名/ mss
鲍勃·黑森说:“我们在问一个基本问题;生命的化学成分与无生命世界的化学成分有什么根本的不同吗?是否存在影响生物分子多样性和分布的“生命化学规则”?我们能否推断出这些规律，并用它们来指导我们为生命起源建模的努力，或者探测到其他星球上生命的细微迹象?我们发现有。
从进化的角度来看，生命不是一件容易维持的事情，所以有一些途径是有效的，而另一些则是无效的。我们的分析不依赖于化合物的绝对鉴定，而是通过观察化合物与样品环境的关系来确定生物/非生物来源。”
他们做了什么
科学家们采用了NASA飞行测试的热解气相色谱质谱(GCMS)方法，分析了134种不同的富碳样品，这些样品来自活细胞、年龄退化样品、地质处理过的化石燃料、富碳陨石以及实验室合成的有机化合物和混合物。
其中59个是生物来源(生物)，如一粒大米、一根头发、原油等，75个是非生物来源(非生物)，如实验室合成的化合物，如氨基酸，或来自富碳陨石的样品。样品首先在无氧环境中加热，这导致样品分解(这一过程被称为热解)。
处理后的样品随后在GC-MS中进行分析，GC-MS是一种将混合物分离成其组成部分，然后进行鉴定的分析设备。使用一套机器学习方法，来自每个非生物或生物样本的三维(时间/强度/质量)数据被用作训练或测试子集，从而产生一个模型，该模型可以预测样本的非生物或生物性质，准确率超过90%。
第一次展示和其他科学家的反馈
7月14日，在法国里昂举行的Goldschmidt地球化学会议上，Hazen教授首次向科学家们展示了这项工作，作为地球和其他行星系统生命的地球生物学会议的一部分。
在回答观众的问题时，Hazen教授证实:“该团队将能够扩大生物特征的范围，以探测外星生命，这可能与地球上的生命有根本的不同。”
会议的联合主席Anastasia Yanchilina (Impossible Sensing，圣路易斯)和Fabian G?b(波恩大学)指出，与会科学家的现场反馈是活跃和积极的。
Yanchilina博士说:“整个会议进行得很顺利，这次演讲是蛋糕上的樱桃之一。当我们发现生命时，这使我们更接近于认识生命。”
这意味着什么?
哈森教授继续说道:“这项工作产生了一些有趣而深刻的影响。首先，我们可以把这些方法应用到地球和火星上的古代样本上，看看它们是否曾经存在过。这对于研究火星上是否有生命显然很重要，但它也可以帮助我们分析地球上非常古老的样本，帮助我们了解生命最初的起源。
这也意味着在深层次上，生物化学和非生物化学在某种程度上是不同的。这可能也意味着，我们可能能够从另一个星球、另一个生物圈、从我们已知的地球上区分出一种生命形式。这意味着，如果我们在其他地方发现生命，我们就可以判断地球和其他行星上的生命是否来自一个共同的起源(生源说)，或者它们是否来自不同的起源。
真正让我们惊讶的是，我们只训练了机器学习方法的两个属性——生物或非生物——但该方法发现了3个不同的种群——非生物、活体生物和化石生物——换句话说，它可以区分化石样本和更近的生物样本。这一令人惊讶的发现让我们乐观地认为，光合作用生命或真核生物(有细胞核的细胞)等其他特征也可能被区分出来。
总之，这项研究只是一个开始，它可能会成为一种广泛有用的方法，从神秘的有机混合物中梳理出信息。”
Emmanuelle Javaux教授(早期生命痕迹和进化-天体生物学实验室负责人，比利时里昂热大学天体生物学研究室主任)评论道:
“我认为这项新研究非常令人兴奋。这是一个新的研究探索途径，因为它似乎可以根据其分子复杂性区分非生物和生物有机物质，并且可能成为天体生物学任务的绝佳工具。在一些最古老的假定的和有争议的地球生命痕迹以及来自三个生命领域的现代和化石生物上测试这种新方法也将是非常有趣的!这可能有助于解决我们社区的一些热点争论。”
这是一个独立的评论，Javaux教授没有参与这项工作。
参考文献:H. James Cleaves, Grethe Hystad, Anirudh Prabhu, Michael L. Wong, George D. Cody, Sophia Economon和Robert M. Hazen, 2023年9月25日，《美国国家科学院院刊》，“基于机器学习的健壮的，不可知的分子生物签名”。DOI: 10.1073 / pnas.2307149120
有限公司一种鲁棒的分子生物标记方法[j]基于机器学习在三维空间中的应用热解GCMS数据
亨德森·克利夫斯-蓝色大理石空间研究所;Grethe Hystad -普渡大学西北分校;Anirudh Prabhu, Michael Wong, George Cody, Robert Hazen(均为卡内基科学研究所);Sophia Economon——约翰霍普金斯大学
寻找明确的生物特征——过去或现在生命的明确标记——仍然是天体生物学的中心目标。我们的假设是，生物化学的根深蒂固的方面与无生命世界的化学有着根本的不同。与非生命系统中的分子不同，生命的碳基分子构建模块必须根据其功能进行选择，包括存储和复制信息、收集能量和原子、构建结构、控制环境等等。制造功能性生物分子需要能量和信息——在竞争激烈的达尔文世界里，这是宝贵的商品。因此，我们认为生命系统中有机分子的多样性和分布不同于由非生物过程产生的有机分子套件，因为与纯粹的非生物过程相比，生物功能选择和有效合成途径的生物过程导致了生物分子的频率分布不同。
我们采用了NASA飞行测试的热解气相色谱质谱(GCMS)方法来分析134种不同的富碳样品，这些样品来自活细胞、地学降解样品、地质处理过的化石燃料、富碳陨石以及实验室合成的有机化合物和混合物。使用一套机器学习方法，来自每个非生物或生物样本的三维(时间/强度/质量)数据被用作训练或测试子集，从而产生一个模型，该模型可以预测样本的非生物或生物性质，准确率超过90%。此外，来自活细胞、地质处理过的生物群和非生物混合物的样品显示出离散的属性，这表明有可能对富含有机物的样品进行更精细的鉴定(见图)。启示包括:(1)我们可以将这种方法应用于火星和古地球样本，以判断它们是否曾经存在;(2)在某些深层次上，生物化学与非生物有机化学有所不同;(3)由于该方法的性质，它很可能能够从地球上区分出其他生物圈。
分享
推特
电子邮件
分享
以前的文章
更多关于sciitechdaily
空间
健康
空间
空间
空间
空间
化学
科学
