بررسی منشأ و تکامل حیات اولیه ی زمین دشوار است، زیرا بیشتر شواهد زیستی ۳ تا ۳.۵ میلیارد ساله در اثر دفن، فشار، دگرگونی حرارتی و شکستگیهای پویا در پوسته ی زمین به شدت تخریب شده‌اند. تنها تعداد محدودی از میکروفسیلها، ساختارهای فیلامانی و استروماتولیت‌ ها حفظ شده‌اند و بسیاری از سنگهای کربناته هیچ ساختار زیستی قابل تشخیصی ندارند.

اگرچه برخی مولکولهای مقاومِ حاصل از غشاها یا مسیرهای متابولیکی تا سن ۱.۷ میلیارد سال یافت شده‌اند، اما در سنگهای بسیار قدیمیتر تقریباً همهٔ مولکول‌های اصلی به قطعات بسیار کوچک و غیرتشخیصی تبدیل شده‌اند. این قطعات به تنهایی اطلاعات کافی برای تشخیص منشأ زیستی یا متابولیکی ندارند و همین امر تفسیر گذشتهٔ بسیار دور را دشوار می‌کرد.

روش جدید: ترکیب شیمی تحلیلی و یادگیری ماشین
پژوهشگران برای رفع این محدودیت، ۴۰۶ نمونهٔ بسیار متنوع شامل فسیل‌ها، مواد زیستی مدرن، نمونه‌های شهاب‌سنگی و نمونه‌های سنتزی را با روشهای طیف‌سنجی پیشرفته به مجموعه‌ای از قطعات آلی و معدنی شکستند و سپس مدل‌های یادگیری ماشین را برای تشخیص زیستی/غیرزیستی و فتوسنتزی/غیرفتوسنتزی آموزش دادند. این مدلها توانستند با دقت بیش از ۹۰٪ الگوهای شیمیایی بسیار فرسوده را طبقه‌بندی کنند.

این رویکرد توانست قدیمی‌ترین ردپاهای مولکولی زیستی را در سنگهای پالئوآرکئن ۳.۵۱ میلیارد ساله کراتون سینگبوم هند و نیز شواهد فتوسنتز را در سنگ‌های ۲.۵۲ میلیارد ساله سازند Gamohaan در آفریقای جنوبی و ۲.۳۰ میلیارد ساله گروه گندوانا در کانادا تشخیص دهد. همچنین منشأ زیستی سنگهای ۳.۳۳ میلیارد ساله Josefsdal Chert و ۲.۶۶ میلیارد ساله Jerrinah تأیید شد، درحالیکه منشأ غیرفتوسنتزی نمونه‌هایی مانند سازند Theespruit و Dresser نیز مشخص گردید.

این نتایج زمانبندی خاستگاه فتوسنتز و نقش آن در اکسیژن دار شدن اتمسفر زمین را دقیقتر از همیشه روشن می‌کند. فهم اینکه چه زمانی متابولیسمهای فتوسنتزی ظهور کرده‌اند، برای تفسیر مسیر تکامل زیست‌کره و شرایطی که بعدها امکان ظهور حیات پیچیده را فراهم کرد ضروری است.

نقش کلیدی یادگیری ماشین در دیرینه‌شناسی مدرن
یادگیری ماشین امروز یکی از ابزارهای بنیادی دیرینه‌شناسی شده است، زیرا می‌تواند الگوهای پنهان در داده‌های ناقص و حرارت‌دیدهٔ میلیاردها سال گذشته را آشکار کند. همان‌طور که در این پژوهش دیده شد، الگوریتمها قادرند قطعات شیمیایی بسیار فرسوده را به امضای زیستی تبدیل کنند و از دل داده‌هایی که با روش‌های کلاسیک فاقد معنا بودند، تاریخ متابولیسم‌ها و فرآیندهای زیستی را بازیابی کنند. این رویکرد نشان می‌دهد دیرینه‌ شناسی معاصر نه تنها بر فسیلها، بلکه بر تحلیل کلان‌داده و محاسبات پیشرفته تکیه دارد و پنجره‌ای جدید برای مطالعهٔ حیات اولیهٔ زمین و جستجوی حیات فرازمینی گشوده است.

این روش جدید که نیازی به فسیلها یا مولکولهای سالم ندارد به پژوهشگران امکان می‌دهد اکوهای شیمیایی حیات را حتی در محیطهای سخت و تغییر‌کرده شناسایی کنند. از این رو، می‌تواند در تحلیل نمونه‌های مریخی، قمرهای یخی، یا مواد برگشتی از مأموریت‌های فضایی حیاتی باشد. این پژوهش نقطهٔ عطفی در astrobiology محسوب می‌شود و نشان می‌دهد چگونه فناوری های نوین می‌توانند تاریکترین بخشهای تاریخ زمین را روشن کنند.
@irpaleochannel
سعید افتاده
منبع:
https://www.sci.news/paleontology/paleoarchean-microbial-life-14362.html