Искусственный интеллект научили искать признаки внеземной жизни

Исследователи разработали систему машинного обучения, способную отличать молекулы биологического происхождения от тех, что образовались в результате небиологических процессов. Этот инструмент может быть использован для анализа образцов, доставляемых текущими и будущими межпланетными миссиями. Результаты работы опубликованы в журнале PNAS Nexus.

Визуализация распределения соединений в метеоритных и земных геологических образцах и коэффициентов регрессии логистической регрессии, обученной в LifeTracer. Автор: Saeedi et al.

Хосе К. Апонте, Амирали Агазаде и их коллеги проанализировали восемь углеродистых метеоритов и десять земных геологических образцов с помощью двумерной газовой хроматографии, совмещенной с масс-спектрометрией высокого разрешения.

На основе этих данных авторы разработали LifeTracer — вычислительную систему, которая обрабатывает данные масс-спектрометрии и применяет машинное обучение для выявления закономерностей, отличающих абиотическое происхождение от биотического. Модель логистической регрессии, обученная на характеристиках соединений, достигла точности свыше 87% в классификации образцов как метеоритных или земных.

Анализ выявил 9475 пиков в образцах метеоритов и 9070 в земных образцах со статистически значимыми различиями между двумя типами образцов в распределении молекулярных масс и времен удерживания, которые описывают, сколько времени требуется соединению для прохождения через две колонки хроматографа. Органические соединения в метеоритных образцах показали значительно меньшее время удерживания, что согласуется с более высокой летучестью абиотически образованных материалов.

Система определила полициклические ароматические углеводороды и их алкилированные варианты как ключевые прогностические признаки, причем нафталин оказался наиболее предсказательным соединением для абиотических образцов. По словам авторов, этот подход позволяет осуществлять масштабируемое, беспристрастное обнаружение биосигнатур и может стать мощным инструментом для интерпретации сложных органических смесей, которые будут доставлены текущими и будущими миссиями по возвращению планетарных образцов.

Больше информации: Daniel Saeedi et al, Discriminating abiotic and biotic organics in meteorite and terrestrial samples using machine learning on mass spectrometry data, PNAS Nexus (2025). DOI: 10.1093/pnasnexus/pgaf334. academic.oup.com/pnasnexus/art … 4/11/pgaf334/8323799