Селфи марсохода Curiosity, которое он сделал внутри марсианского кратера Гейл 15 июня 2018 года / © NASA, JPL-Caltech, MSSS
Метод поиска жизни, разработанный американскими учеными, назвали «святым Граалем астробиологии». Авторы новой работы уверены, что он может с высокой точностью различать биологические и небиологические материалы в образцах, найденных на других планетах, а также обнаруживать следы древних живых организмов на Земле, пишет издание Naked science.
Поиск внеземной жизни — одна из главнейших целей астробиологии. С самого зарождения этой научной дисциплины (в XX веке, а сам термин появился на свет благодаря советскому астроному Гавриилу Тихову, который в 1953 году выпустил книгу под названием «Астробиология») ученые пытаются найти ответы на важнейшие вопросы: уникальны ли мы, или, может быть, во Вселенной есть другие разумные существа? А если мы одни и братьев по разуму нет, то, может быть, на других планетах можно найти простейшие формы жизни?
Чтобы ответить на них, исследователи ищут в космосе определенные биосигнатуры. Если речь, например, о микроорганизмах, то это химические биомаркеры — молекулы, которые могут производить бактерии или другие простейшие существа. Ищут такие маркеры:
— с помощью спектрометров, установленных на современных телескопах: ученые выявляют в атмосферах планет химические элементы, связанные с жизнью;
— специальными датчиками, которые стоят на борту космических аппаратов.
Однако органические молекулы непостоянны, под действием химических реакций они могут распадаться на атомы, что затрудняет их поиск.
В последнее время ученые разрабатывают новые методы поиска следов жизни, в которых важную роль играет искусственный интеллект. По словам специалистов, эти методы могут работать гораздо эффективнее, чем инструменты-анализаторы на борту орбитальных станций. Алгоритмы ИИ позволяют обнаруживать тонкие различия в молекулярных механизмах живой и неживой природы — даже в образцах возрастом сотни миллионов лет.
Группа американских ученых из Института Карнеги представила новый алгоритм машинного обучения, который может с высокой точностью установить, относится исследуемый образец к биотической среде (к живым существам либо их деятельности) или к абиотической (неживой природе, физическому и химическому окружению живых организмов). Результаты работы представили в журнале PNAS.
«Наш метод основан на предположении, что в молекулах живой природы сохраняется информация о химических процессах, которые их породили, а в молекулах неживой — не сохраняется. Вероятно, это характерно и для инопланетной жизни. Мы думаем, что на любой планете жизнь для своего поддержания будет производить гораздо больше различных соединений, чем абиотическая среда, и именно эти различия может обнаружить и оценить наш алгоритм», — объяснил Роберт Хейзен, один из авторов исследования.
Ученые взяли образцы из живой и неживой природы: клетки организмов, окаменелости, органические соединения и смеси, синтезированные в лаборатории, различного рода химические вещества, части богатых углеродом метеоритов. Их проанализировали с помощью масс-спектрометрии и пиролитической газовой хроматографии. Всего задействовали 134 образца, из которых 59 были из биотической среды и 75 из абиотической. Данные, которые ученые получили в результате исследования, затем использовали для обучения алгоритма.
Изображение части марсианского метеорита ALH 84001, полученное при помощи электронного микроскопа. На снимке можно заметить удлиненную структуру, напоминающую бактерию. В 1996 году ученые, изучавшие марсианский метеорит ALH 84001, упавший на Землю, обнаружили в нем окаменевшие микроскопические структуры, очень похожие на земные окаменелые бактерии. Однако прийти к согласию, что в метеорите находятся «гости с Марса», исследователи не смогли. Специалисты посчитали, что организмы попали на кусок «космического камушка» уже после его падения на нашу планету, поэтому говорить о том, что на Марсе существовала жизнь, нельзя / © NASA
Когда обучение завершилось, специалисты проверили алгоритм на деле. Он успешно определил образцы из живой природы (ракушки, человеческий волос, зубы, кости, клетки организмов), а также выявил изменившиеся остатки древних живых существ в окаменелостях, каменном угле, нефти, янтаре. Кроме того, алгоритм выделил образцы из неживой природы — например, части метеоритов. Точность составила почти 90%.
Ученые отметили, что в будущем их алгоритм машинного обучения можно будет использовать в датчиках нового поколения на спускаемых аппаратах, луноходах и марсоходах. Также его можно будет применять в поисках жизни на потенциально обитаемых мирах, таких как Энцелад и Европа.
В ближайшее время команда исследователей задействует свою разработку для изучения горных пород возрастом 3,5 миллиарда лет в регионе Пилбара в Западной Австралии, где, как считается, находятся самые древние в мире окаменелости. Их открыли в 1993 году, и ученые полагают, что эти окаменелости содержат остатки бактериальных матов (родственные цианобактериям), которые были первыми живыми организмами, производящими кислород на нашей планете.
Если в этих породах действительно находятся остатки бактериальных матов, значит, на Земле благоприятные условия для процветания жизни сложились гораздо раньше, чем считается в научном сообществе.
