突破传统局限：热解气相色谱-质谱+机器学习解锁古老生命密码

美国卡内基科学研究所携手全球顶尖学府，打造了一项先进的“技术融合”方案，即结合热解气相色谱-质谱（pyrolysis–gas chromatography–mass spectrometry，简称py-GC-MS）与监督机器学习，旨在从错综复杂的分子碎片中捕捉到古老生命的蛛丝马迹。

解读深藏地表之下的古老岩层中的有机分子，对于探究地球历史及生命演化进程具有举足轻重的意义。这些潜在的“生命见证者”不仅能够揭示地球生命诞生的奥秘，尤其是光合作用的起源与地球大气氧化进程的关联，还能填补生命演化时间线的空白，为理解早期地球生态系统的形成提供核心线索。然而，由于这些“见证者”不同于大型生物，难以形成可见的化石，且历经地质岁月的侵蚀，早已踪迹难觅，因此，如何从高度降解的有机残骸中辨识生命的痕迹，成为了古生物学与地球科学领域的一大挑战。

长期以来，科学家们主要依赖古生物化石形态、同位素分析等手段探寻早期生命，但这些方法往往受限于样本保存状态：如脂质、卟啉等复杂分子的明确记录仅能追溯至约16亿年前，远短于其他证据揭示的生命起源时间。而太古代岩石中有机分子的来源模糊，生物成因与非生物成因的界限难以断定，这使得许多关键发现停留在了推测阶段。

为了打破这一僵局，由美国卡内基科学研究所地球和行星实验室主导，联合全球多所院校和研究机构组成跨领域团队，提出了一项“技术融合”的解决方案。他们首先利用热解气相色谱-质谱（py-GC-MS）进行分析，随后通过监督机器学习方法对分析数据进行分类判别，从而在混乱的分子碎片中捕捉古老的生命遗迹。

实验表明，这套技术融合的模型表现出超预期的效果。它能100%精准区分现代有机物与陨石/化石有机物，辨别化石植物组织与陨石有机物精度可达97%。更重要的是，当团队将其应用于未知样本时，该模型能成功识别出33.3亿年前和25.2亿年前古太古代和新太古代岩石中的生物成因分子组合的证据，这为探索更早期、更不易留存的生命痕迹提供了新的方法论支持。

相关研究以“Organic geochemical evidence for life in Archean rocks identified by pyrolysis–GC–MS and supervised machine learning”为题，发表于美国国家科学院院刊（PNAS）。

研究亮点：

* 研究提出的技术融合方法打破了传统局限，通过将热解气相色谱-质谱与机器学习结合，攻克了分子降解后难以分辨的核心难题。

* 研究样本覆盖范围广泛，从现代生命到数十亿年前的岩石，从地球生物到地外陨石，为模型训练提供了全维度对照。

* 实验表明该方法兼具科学性与前瞻性，不仅验证了太古代岩石中生命痕迹的存在，更为其他未知生命痕迹探寻提供了新方法。

论文地址：https://www.pnas.org/doi/10.1073/pnas.2514534122

数据集：406份样本涵盖广泛，为模型提供全维度对照

研究团队共分析了406份包含一系列有机分子的天然和合成样本，涵盖古代与现代、生物与非生物来源。时间跨度从约38亿年前（太古代）至1,000万年前（新近纪），样本类型包括沉积岩（141块）、化石（65份）、现代生物（123个）、陨石（42颗，其中39颗为碳质球粒陨石）及实验室合成有机分子组合（35组），为机器学习分析提供了丰富、多元的数据基础。

具体分类如下：

研究方法及模型：py-GC-MS与机器学习深度融合

本次实验可概括为四个步骤：

• * 第一步：收集406种不同的含碳样本；
• * 第二步：从陨石和古沉积岩中提取碳质大分子物质；
• * 第三步：采用pyrolysis gas chromatography coupled to electron impact ionization mass spectrometry对每个样本进行分析；
• * 第四步：使用实验样本分析子集中的数据训练监督随机森林模型。

其中，将py-GC-MS分析技术与机器学习方法进行“技术融合”是最为关键的环节。

实验结果：多模型、多维度验证技术融合可行性

在初步测试中，研究人员对9类已知属性样本的36种成对组合进行了随机森林模型分类。在样本数量相对平衡的情况下，36个测试中有25个的训练集与测试集正确率均≥90%，其中19个正确率≥95%。

技术融合成为生命起源探寻的重要手段

近年来，针对早期生命痕迹识别、地外有机质溯源等核心难题，全球研究团队已开展多项创新性探索。这些研究同样以复杂分子混合物的解析为核心，通过算法模型深挖传统分析手段难以捕捉的生物特征，为技术融合路径的可行性、追溯地球生命起源奠定了坚实基础。