Lebende Zellen erzeugen typische chemische Verbindungen, die in nicht-lebendem Material so nicht vorkommen. Für Paläontologen können solche chemischen Signaturen in uralten Sedimenten wertvolle Hinweise auf die Frühzeit des Lebens liefern. Doch auch diese Moleküle verändern sich im Laufe der Jahrmillionen. Die ältesten komplexen biologischen Moleküle, die bislang eindeutig als solche identifiziert wurden, sind rund 1,6 Milliarden Jahre alt. Andere Hinweise, darunter Mikrofossilien sowie Spuren im Gestein, die wahrscheinlich von Mikroben stammen, deuten dagegen darauf hin, dass das Leben auf der Erde schon mehr als doppelt so alt ist. Die ältesten, wenn auch umstrittenen, Hinweise auf Leben sind sogar etwa vier Milliarden Jahre alt.
Fingerabdrücke biologischer Moleküle
Ein Team um Michael Wong von der Carnegie Institution for Science in Washington hat sich nun mit einer neuen Methode auf die Suche nach den frühesten biologischen Molekülen unseres Planeten begeben. Die Forschenden trainierten ein KI-Modell darauf, subtile molekulare Fingerabdrücke lebender Organismen zu erkennen. Die Idee dahinter: Selbst wenn die ursprünglichen Biomoleküle, etwa die Bestandteile einer urtümlichen Zellmembran, längst zerfallen sind, können ihre molekularen Fragmente dennoch spezifische Signaturen hinterlassen.
Für das Training und die anschließenden Tests der KI nutzten die Forschenden 406 Proben, die sowohl moderne als auch fossile Tiere, Pflanzen und Pilze umfassten, ebenso wie Meteoritengestein, synthetische organische Materialien sowie uralte Sedimente, von denen unklar war, ob sie durch biologische oder abiotische Prozesse entstanden sind. Mit Hilfe von Pyrolyse-Gaschromatographie-Massenspektrometrie analysierte das Team die einzelnen chemischen Bestandteile der Proben und stellte die Ergebnisse dem KI-Modell zur Verfügung. „Das Leben der Vorzeit hinterlässt mehr als nur Fossilien, es hinterlässt chemische Spuren“, sagt Wongs Kollege Robert Hazen. „Mithilfe von maschinellem Lernen können wir diese Spuren nun zum ersten Mal zuverlässig interpretieren.“
Maschinelle Spurensuche
Tatsächlich erkannte die KI mit einer Genauigkeit von bis zu 98 Prozent, ob eine Probe einen biologischen Ursprung hatte oder ob sie beispielsweise von einem Meteoriten stammte. Zudem konnte sie bei modernen Proben mit einer Trefferquote von 95 Prozent zwischen Pflanze und Tier unterscheiden. Bei älteren Proben fiel ihr diese Unterscheidung schwerer, da im Trainingsdatensatz nur wenige tierische Fossilien vorkamen, von denen sie Muster hätte lernen können. Dafür konnte das KI-System mit einer Genauigkeit von 93 Prozent erkennen, ob ein Organismus einst Photosynthese betrieb oder nicht. Nachdem die Forschenden anhand von bekannten Proben nachgewiesen hatten, wie zuverlässig das Modell funktioniert, wendeten sie es auf Sedimentgesteine an, bei denen unklar war, ob sich darin Spuren von Leben verbargen.
Zur Überraschung von Wong und seinem Team kam die KI bei 3,33 Milliarden Jahre alten Gesteinen aus dem Josefsdal Chert in Südafrika zu dem Ergebnis, dass die darin enthaltenen Moleküle mit hoher Wahrscheinlichkeit von lebenden Organismen stammen. Falls diese Zuordnung stimmt, wäre das der früheste Nachweis biologischer Moleküle auf der Erde. Zudem fand das KI-Modell Hinweise auf photosynthetische Aktivität in 2,52 Milliarden Jahren alten Proben aus der Gamohaan-Formation in Südafrika. „Das Verständnis, wann die Photosynthese entstand, hilft zu erklären, wie die Erdatmosphäre sauerstoffreich wurde – ein wichtiger Meilenstein, der die Entwicklung komplexen Lebens, einschließlich des Menschen, ermöglichte“, sagt Wong.
Aus Sicht der Forschenden kann ihre Methode nicht nur neue Einblicke in die Frühzeit der Erde geben, sondern auch bei der Suche nach Leben auf anderen Planeten zum Einsatz kommen. „Das Spannende daran ist, dass dieser Ansatz nicht darauf angewiesen ist, erkennbare Fossilien oder intakte Biomoleküle zu finden“, erklärt Wongs Kollege Anirudh Prabhu. „KI hat uns nicht nur dabei geholfen, Daten schneller zu analysieren, sondern es uns auch ermöglicht, unübersichtliche, degradierte chemische Daten zu verstehen. Sie öffnet die Tür zur Erforschung alter und fremder Umgebungen mit einer neuen Perspektive, geleitet von Mustern, nach denen wir selbst vielleicht gar nicht suchen würden.“
Quelle: Michael Wong (Carnegie Institution for Science, Washington, USA) et al., Proceedings of the National Academy of Sciences, doi: 10.17605/OSF.IO/G93CS
