La IA permite detectar rastros de vida en rocas de 3.300 millones de años de antigüedad

Un equipo multidisciplinar de científicos ha logrado identificar evidencias químicas de las formas de vida más antiguas de la Tierra, ocultas en rocas de 3.300 millones de años, utilizando una combinación innovadora de química de vanguardia e inteligencia artificial.

El hallazgo, que duplica el período de tiempo en el que se pueden detectar rastros orgánicos de vida primitiva, también aporta pruebas moleculares de que la fotosíntesis productora de oxígeno existía hace al menos 2.500 millones de años, 800 millones de años antes de lo que se había documentado hasta ahora.

La investigación, publicada en la revista Proceedings of the National Academy of Sciences, supone un importante avance en la capacidad de los científicos para descifrar las firmas biológicas más antiguas de nuestro planeta y abre nuevas posibilidades para la búsqueda de vida más allá de la Tierra.

El problema: rastros de vida casi borrados por el tiempo

La vida más antigua de la Tierra apenas dejó huellas moleculares. Los escasos restos frágiles, como células antiguas y tapetes microbianos, fueron enterrados, aplastados, calentados y fracturados dentro de la inquieta corteza terrestre antes de volver a emerger a la superficie. Estas transformaciones borraron casi por completo las bioseñales que contenían pistas vitales sobre los orígenes y la evolución temprana de la vida.

Hasta ahora, los paleobiólogos que buscan signos de la vida más antigua de la Tierra han confiado principalmente en dos tipos de evidencias. Por un lado, los fósiles de organismos microscópicos y estructuras mineralizadas como los estromatolitos, que proporcionan pruebas convincentes de vida de hasta 3.500 millones de años de antigüedad. Por otro, las biomoléculas más resistentes encontradas en sedimentos de hasta 1.700 millones de años.

Sin embargo, la gran mayoría de los sedimentos antiguos ricos en carbono han sido calentados y alterados de formas que rompen cada biomolécula diagnóstica en innumerables fragmentos pequeños. Estos fragmentos habían resultado demasiado pequeños y demasiado genéricos para proporcionar cualquier pista sobre la vida antigua, hasta este momento.

La solución: enseñar a la inteligencia artificial a reconocer "susurros" químicos

El equipo de investigadores de la Institución Carnegie para la Ciencia, dirigido por Robert Hazen, Michael Wong y Anirudh Prabhu, junto con científicos de varias universidades e instituciones asociadas, analizó más de 400 muestras de siete grandes grupos: animales modernos, plantas modernas, hongos, materiales fósiles (como carbón y pizarra), meteoritos ricos en carbono, materiales orgánicos sintéticos creados en laboratorio y sedimentos antiguos de entre cientos de millones y más de 3.000 millones de años.

El método empleado combinó espectrometría sofisticada para liberar fragmentos químicos atrapados en cada muestra con un tipo específico de modelo de aprendizaje automático llamado "bosque aleatorio" (random forest), que construye cientos de árboles de decisión para clasificar datos y extraer patrones ecológicos y taxonómicos latentes.

"Piense en ello como mostrar miles de piezas de un rompecabezas a un ordenador y preguntarle si la escena original era una flor o un meteorito", explica Robert Hazen. "En lugar de centrarnos en moléculas individuales, buscamos patrones químicos, y esos patrones podrían ser ciertos en otros lugares del universo".

La hipótesis de partida es que las moléculas de la vida se seleccionan rigurosamente por sus funciones biológicas. A diferencia de la distribución aleatoria de moléculas que se encuentra en meteoritos ricos en carbono y otras mezclas orgánicas abióticas, la vida produce unos pocos tipos de moléculas en gran abundancia. La investigación sugiere que la distribución de fragmentos biomoleculares encontrados en rocas antiguas todavía conserva información diagnóstica sobre la biosfera, incluso si no quedan biomoléculas originales.

Resultados: detectar vida con más del 90% de precisión

Los resultados demuestran la posibilidad de distinguir materiales de origen biológico (como microbios, plantas y animales) de materiales de origen no vivo (como carbono meteorítico o sintético) con más del 90% de precisión.

El modelo fue capaz de distinguir la materia orgánica basada en la vida de orígenes no vivos con hasta un 98% de precisión en muestras conocidas. Cuando se aplicó a muestras de rocas antiguas, el modelo encontró evidencias sólidas de vida en múltiples formaciones de 3.300 millones de años de antigüedad, incluidos sedimentos del Josefsdal Chert de Sudáfrica.

Con un 93% de precisión, el modelo detectó señales de que un organismo utilizó alguna vez la fotosíntesis para obtener energía de la luz solar. El método identificó firmas fotosintéticas en rocas de hasta 2.520 millones de años de antigüedad, concretamente en la Formación Gamohaan de Sudáfrica. Este hallazgo extiende el registro químico de la fotosíntesis preservado en moléculas de carbono en más de 800 millones de años.

La dificultad aumenta con la edad

Uno de los hallazgos clave del estudio es que la edad dificulta la detección. Las muestras más jóvenes de los últimos 500 millones de años conservaron señales bióticas fuertes. Para rocas de entre 500 millones y 2.500 millones de años, aproximadamente dos tercios todavía mostraban firmas de vida. Pero en rocas de más de 2.500 millones de años, solo el 47% conservaba evidencias detectables de vida.

El modelo no solo informaba "vida" o "no vida", sino que proporcionaba una puntuación de probabilidad. Si una muestra puntuaba por encima del 60% para "biótico", se consideraba un resultado positivo sólido. Este enfoque basado en probabilidades permite matices: una muestra de carbón que había sido calentada a más de 400 grados Celsius podría haber perdido la mayoría de sus marcadores biológicos y caer en el rango "incierto". Pero las muestras antiguas bien conservadas, especialmente aquellas que no habían estado expuestas a calor o presión intensos, todavía puntuaban con confianza en la zona "biótica".

Implicaciones: desde la evolución terrestre hasta la búsqueda de vida extraterrestre

"Este estudio supone un gran salto adelante en nuestra capacidad para decodificar las firmas biológicas más antiguas de la Tierra", afirma Hazen, experto de larga trayectoria en descifrar la historia mineral de nuestro planeta. "Al combinar un potente análisis químico con el aprendizaje automático, tenemos una forma de leer 'fantasmas' moleculares dejados por la vida temprana que todavía susurran sus secretos después de miles de millones de años".

El astrobiólogo Michael Wong añade que "comprender cuándo surgió la fotosíntesis ayuda a explicar cómo la atmósfera de la Tierra se enriqueció en oxígeno, un hito clave que permitió la evolución de la vida compleja, incluidos los humanos".

Más allá de ayudar a encontrar evidencias de la vida más antigua de la Tierra, este trabajo ofrece una vía potencial para identificar rastros de vida más allá de nuestro planeta. Si la inteligencia artificial puede detectar "huellas dactilares" bióticas en la Tierra que sobrevivieron miles de millones de años, la misma técnica podría funcionar en rocas marcianas o incluso en muestras de Europa, la luna helada de Júpiter.

"Esto es un ejemplo inspirador de cómo la tecnología moderna puede arrojar luz sobre las historias más antiguas del planeta y podría remodelar la forma en que buscamos vida antigua en la Tierra y otros mundos", concluye Wong.

Anirudh Prabhu, primer autor del estudio y experto en aprendizaje automático, destaca que "lo emocionante es que este enfoque no depende de encontrar fósiles reconocibles o biomoléculas intactas. La inteligencia artificial no solo nos ayudó a analizar datos más rápido, nos permitió dar sentido a datos químicos desordenados y degradados".

Los autores reconocen que el método es complementario, no un sustituto, de técnicas tradicionales como el análisis de isótopos o la morfología fósil. El equipo planea refinar sus modelos, explorar diferentes tipos de aprendizaje automático y probar su enfoque en rocas de los desiertos terrestres parecidos a Marte, así como en bacterias fotosintéticas anoxigénicas, posibles análogos de organismos extraterrestres.