신비롭게 빛나는 행성

과학자들이 인공지능을 기반으로 다른 행성에서 생명체의 징후를 탐지하는 선구적인 방법을 개발했습니다. 이 방법은 최대 90%의 정확도로 분자 패턴을 분석하여 생물학적 시료와 비생물학적 시료를 구별합니다. 이는 생물학과 고고학을 포함한 다양한 분야에 잠재적으로 응용될 수 있어 우주 탐사와 생명의 기원에 대한 이해에 혁명을 일으킬 것을 약속합니다.

“우주생물학의 성배” – 신규 기계 학습 이 기술은 시료가 생물학적 기원인지, 비생물학적 기원인지를 90%까지 판별할 수 있습니다. 정확성.

과학자들은 다른 행성의 과거 또는 현재 생명체의 징후에 대한 간단하고 신뢰할 수 있는 테스트인 “우주생물학의 성배”를 발견했습니다.

최근 저널에 발표된 논문에서 국립과학원(National Academy of Sciences)의 간행물John Templeton Foundation의 자금 지원을 받고 John Templeton Foundation의 Jim Cleaves와 Robert Hazen이 이끄는 7명으로 구성된 팀입니다. 카네기 과학 연구소보고서에 따르면 AI 기반 방법은 최대 90%의 정확도로 현대 및 고대 생물학적 샘플을 비생물학적 기원의 샘플과 구별해 냈습니다.

우주 탐사와 지구 과학의 혁명

Hazen 박사는 “이 일상적인 분석 방법은 외계 생명체 탐색에 혁명을 일으키고 지구 초기 생명체의 기원과 화학적 성질에 대한 이해를 심화시킬 수 있는 잠재력을 가지고 있습니다.”라고 말했습니다. “로봇 우주선, 착륙선, 탐사선의 스마트 센서를 사용하여 샘플이 지구로 돌아오기 전에 생명체의 흔적을 검색할 수 있는 길을 열어줍니다.”

보다 즉각적으로, 새로운 테스트는 지구상의 신비한 고대 암석의 역사와 아마도 과학자들이 이미 수집한 샘플의 역사를 밝힐 수 있습니다. 화성 Curiosity의 화성 샘플 분석 장비(SAM). 후자의 테스트는 SAM(Sample Analysis on Mars)이라는 내장 분석 장비를 사용하여 수행할 수 있습니다.

NASA의 Perseverance 탐사선이 화성 암석을 뚫고 있습니다.

2021년 8월 6일 NASA의 Perseverance 탐사선이 촬영한 이 이미지는 탐사선의 첫 번째 샘플 수집 시도를 준비하기 위해 화성 암석에 구멍을 뚫은 모습을 보여줍니다. 이 이미지는 탐사선의 과학 팀이 Jezero Crater의 “Crater Floor Fractured Rough” 지역에 있는 “포장 암석”이라고 부르는 곳에서 탐사선의 위험 카메라 중 하나로 캡처되었습니다. 이미지 출처: NASA/JPL-Caltech

“우리는 SAM 프로토콜에 맞게 방법을 수정해야 할 것입니다. 하지만 화성의 유기 생물권에서 나온 분자가 화성에 있는지 여부를 판단할 수 있는 데이터가 이미 있을 가능성이 있습니다.”

새로운 연구의 주요 내용

“외계 생명체에 대한 탐구는 현대 과학에서 가장 흥미로운 노력 중 하나로 남아 있습니다”라고 워싱턴 D.C.에 있는 카네기 과학 연구소의 지구 및 행성 연구소의 수석 저자인 Jim Cleaves는 말합니다.

“이 새로운 연구의 의미는 많지만 결론을 내릴 세 가지 주요 요점이 있습니다. 첫째, 깊은 수준에서 생화학은 비생물적 유기 화학과 다릅니다. 둘째, 고대 화성과 지구 샘플을 보고 그것이 실제였는지 확인할 수 있습니다. 셋째, 이 새로운 방법은 대체 생물권과 지구상의 생물권을 구별할 수 있을 것이며 미래의 우주 생물학 작업에 중요한 영향을 미칠 것입니다.

생물학적 샘플과 비생물학적 샘플을 구별하는 인공지능의 역할

혁신적인 분석 방법은 샘플에서 특정 분자나 화합물 그룹을 식별하는 데에만 의존하지 않습니다.

대신, 연구원들은 AI가 열분해 가스 크로마토그래피(시료의 구성 요소를 분리하고 식별함)와 질량 분석법(시료의 구성 요소를 결정하는 방법)을 통해 밝혀진 시료의 분자 패턴 내의 미묘한 차이를 감지함으로써 생물학적 시료와 비생물학적 시료를 구별할 수 있음을 입증했습니다. 무게 분자). 이러한 구성 요소 중).

비생물적 또는 생물적 탄소가 풍부한 134개 샘플의 분자 분석에서 얻은 대규모 다차원 데이터를 사용하여 인공 지능을 훈련시켜 새로운 샘플의 출처를 예측했습니다. 약 90%의 정확도로 AI는 다음에서 유래된 샘플을 성공적으로 식별했습니다.

  • 현대의 껍질, 치아, 뼈, 곤충, 나뭇잎, 쌀, 사람의 머리카락, 세립암에 보존된 세포 등 살아있는 유기체
  • 지질학적 처리(예: 석탄, 석유, 호박, 탄소가 풍부한 화석)에 의해 변경된 고대 생명체의 잔존물, 또는
  • 순수 실험실 화학물질과 같은 비생물학적 기원의 샘플(예: 아미노산) 및 탄소가 풍부한 운석.

저자들은 생물적이든 비생물적이든 유기 분자 집합은 시간이 지남에 따라 분해되는 경향이 있기 때문에 지금까지 많은 고대 탄소 함유 샘플의 기원을 결정하는 것이 어려웠다고 덧붙였습니다.

놀랍게도 상당한 부패와 변화에도 불구하고 새로운 분석 방법을 통해 어떤 경우에는 수억 년에 걸쳐 보존된 생물학적 지표가 밝혀졌습니다.

생명의 화학적 성질과 미래 발견의 잠재력을 해독합니다.

Hazen 박사는 “우리는 생명의 화학적 성질이 무생물 세계의 화학적 성질과 근본적으로 다르다는 생각에서 시작했습니다.”라고 말합니다. 생체분자의 다양성과 분포에 영향을 미치는 “생명의 화학적 규칙”이 있다는 것입니다. 만약 우리가 그러한 규칙을 추론할 수 있다면, 우리는 생명의 기원을 모델링하거나 다른 세계에서 생명의 미묘한 징후를 탐지하려는 우리의 노력을 안내하는 데 이를 사용할 수 있습니다.

“이러한 결과는 우리가 지구상에서 알고 있는 생명체와 매우 다르더라도 다른 행성이나 다른 생물권에서 생명체를 찾을 수 있다는 것을 의미합니다. 그리고 다른 곳에서 생명체의 흔적을 찾으면 우리는 생명체를 찾을 수 있습니다. 지구와 다른 행성에 생명체가 존재하는지 여부에 대해 알아보세요.” 다른 것들은 공통되거나 다른 기원에서 파생됩니다.

즉, 이 방법은 외계의 생화학은 물론 지구상의 생명체까지 탐지할 수 있어야 한다. 이는 지구상 생명체의 분자 바이오마커를 발견하는 것이 상대적으로 쉽기 때문에 중요하지만, 외계 생명체가 사용될 것이라고 가정할 수는 없습니다. DNA아미노산 등 우리의 방법은 “기능적” 분자에 대한 생명체의 필요성에서 발생하는 분자 분포의 패턴을 찾습니다.

“우리가 정말 놀랐던 점은 우리가 생물 또는 비생물이라는 두 가지 유형의 표본만 예측하도록 기계 학습 모델을 훈련했다는 것입니다. 하지만 이 방법은 세 가지 뚜렷한 그룹, 즉 비생물, 생물, 화석을 감지했습니다. 즉, 새로운 생물학적 표본을 식별할 수 있었습니다. 예를 들어 갓 따낸 잎이나 채소와 같은 화석과 오래 전에 죽은 것입니다. 이 놀라운 발견은 우리에게 광합성 생명체나 진핵생물(핵이 있는 세포)과 같은 다른 특징이 있을 수 있다는 낙관론을 줍니다. 인식.

복잡한 패턴을 탐지하는 인공지능의 분석 능력

AI의 역할을 설명하기 위해 카네기 과학 연구소의 공동 저자인 Anirudh Prabhu는 예를 들어 금전적 가치, 금속, 연도, 무게 또는 반경 등 다양한 속성을 사용하여 동전을 분리하는 아이디어를 사용합니다. 보다 정확한 분리 및 조립을 생성하는 기능 조합을 찾습니다. “그리고 이러한 수백 가지 속성과 관련하여 AI 알고리즘은 정보를 수집하고 매우 정확한 통찰력을 생성하는 데 매우 중요합니다.”

“화학적 관점에서 생물학적 시료와 비생물학적 시료의 차이는 수용성, 분자량, 휘발성 등과 관련이 있습니다.”라고 Cleaves 박사는 덧붙입니다.

“제가 생각하는 간단한 방법은 세포에 세포막과 세포질이라는 내부가 있다는 것입니다. 막은 물에 다소 용해되지 않는 반면, 세포 함량은 물에 다소 용해됩니다. 이러한 배열은 구성 요소와 물의 접촉을 최소화하면서 멤브레인의 조립을 유지하고 “내부 구성 요소”가 멤브레인을 통해 누출되는 것을 방지합니다.

“고유 성분은 염색체나 단백질과 같은 매우 큰 분자임에도 불구하고 수용성을 유지할 수 있습니다.”라고 그는 말합니다.

“따라서 세포나 살아있는 조직을 그 구성 요소로 분해하면 수용성이 매우 높은 분자와 수용성이 매우 낮은 분자의 혼합물이 넓은 범위에 걸쳐 퍼지게 됩니다. 석유나 석탄과 같은 것들은 대부분의 물을 잃었습니다. 오랜 역사 동안 용해성 물질입니다.

“생물학적 샘플은 이 스펙트럼 전반에 걸쳐 서로에 대해 고유한 분포를 가질 수 있지만 생물학적 분포와도 다를 수 있습니다.”

35억년 된 검은 퇴적물

서호주 야생에서 발견된 35억년 된 에이펙스 처트(Apex Chert). 출처: 카네기 지구 및 행성 과학 연구소

이 기술은 곧 서호주의 35억년 된 검은 퇴적물의 기원을 포함하여 지구상의 수많은 과학적 미스터리를 풀 수 있을 것입니다. 일부 연구자들은 지구상에서 가장 오래된 화석 미생물을 포함하고 있다고 주장하는 매우 논쟁의 여지가 있는 암석이지만 다른 이들은 전혀 없다고 주장합니다. 인생의. 표지판.

캐나다 북부, 남아프리카, 중국의 다른 고대 암석 샘플도 비슷한 논의를 불러일으킵니다.

“우리는 이제 이 암석에서 발견되는 유기물의 생물 발생에 관한 오랜 질문에 답하기 위해 우리의 방법을 적용하고 있습니다.”라고 Hazen은 말합니다.

이 새로운 접근 방식의 잠재적인 기여에 대한 새로운 아이디어가 생물학, 고생물학, 고고학과 같은 다른 분야에 쏟아졌습니다.

“인공지능이 생물 생명체와 비생물 생명체, 현대 생명체와 고대 생명체를 쉽게 구별할 수 있다면 우리는 또 어떤 통찰력을 얻을 수 있을까요? 예를 들어, 고대 화석 세포에 핵이 있는지, 아니면 핵을 갖고 있는지 알 수 있을까요? 광합성 과정이요? Hazen 박사는 말합니다.

“탄화된 유적을 분석하고 고고학 유적지에서 다양한 종류의 목재를 구별하는 것이 가능합니까? 그것은 마치 우리가 가능성의 광대한 바다에 발가락을 담그고 있는 것과 같습니다.”

참고문헌: “강력하고 비특이적인 기계 학습 기반 분자 생체특징” by H. 제임스 클리브스, 제리히트 히스타드, 아니루드 프라부, 마이클 L. 웡, 조지 D. 코디, 소피아 이코노몬, 로버트 M. 헤이젠, 2023년 9월 25일, 국립과학원(National Academy of Sciences)의 간행물.
도이: 10.1073/pnas.2307149120

이 연구는 존 템플턴 재단(John Templeton Foundation)의 자금 지원을 받았습니다.

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다

You May Also Like

Webb 망원경에 초점을 맞춘 해왕성의 사진 보기

1989년 NASA 탐사선 이후 해왕성을 방문한 우주선은 없다. 보이저 2 그는 태양계…

하늘의 유령을 사냥하고 그들의 색깔을 만드는 요소를 찾아보세요

2019년 6월, 스페인의 과학자들은 지중해 상공에 출몰하는 유령을 찾아 나섰습니다. 천둥번개가 치는…

재미있게 진행된 Falcon 9 원격 측정은 이제 암호화됩니다.

몇 주 전에 우리는 Reddit 사용자에게 한마디를 소개했습니다. [derekcz] 과 [Xerbot] 나는…

Hunt for Planet B에서 신비한 세계를 탐험하세요

생각만으로도 존재하는 토끼굴로 빠져들 수 있습니다. 하지만 저는 우주를 바라보고 발견되기를 기다리고…