يُعدّ فكّ شفرة الجزيئات العضوية المدفونة في أعماق الأرض ضمن طبقات الصخور القديمة أمرًا بالغ الأهمية لفهم تاريخ الأرض ودراسة تطور الحياة. فهذه الشواهد المحتملة على أنشطة الحياة لا تقتصر على كشف أسرار نشأة الحياة على الأرض، ولا سيما توضيح أصل عملية التمثيل الضوئي والصلة بين أكسدة الغلاف الجوي، بل تُسهم أيضًا في سدّ ثغرات في التسلسل الزمني لتطور الحياة، مُقدّمةً أدلةً أساسيةً لفهم تكوين النظم البيئية للأرض في بداياتها. مع ذلك، وعلى عكس الكائنات الحية الكبيرة التي تُخلّف أحافير مرئية، فقد اختفت هذه "الشواهد" منذ زمن بعيد دون أثر بفعل التعرية الجيولوجية.لذلك، أصبح تحديد آثار الحياة من البقايا العضوية المتحللة للغاية تحديًا كبيرًا في مجالات علم الأحياء القديمة وعلوم الأرض.

لطالما اعتمد العلماء بشكل أساسي على مورفولوجيا الأحافير القديمة وتحليل النظائر لاستكشاف الحياة المبكرة. إلا أن هذه الأساليب غالبًا ما تكون محدودة بحالة حفظ العينات؛ فعلى سبيل المثال، لا يمكن تتبع السجلات الواضحة للجزيئات المعقدة كالدهون والبورفيرينات إلا إلى حوالي 1.6 مليار سنة مضت، وهي فترة أقصر بكثير من زمن نشأة الحياة الذي كشفت عنه أدلة أخرى. علاوة على ذلك، لا يزال أصل الجزيئات العضوية في صخور حقبة الأركي غير واضح، ويصعب تحديد الحد الفاصل بين الأصول الحيوية وغير الحيوية، مما أبقى العديد من الاكتشافات الرئيسية في مرحلة التكهنات.

من أجل كسر هذا المأزقبقيادة مختبر الأرض والكواكب التابع لمؤسسة كارنيجي للعلوم، وبالتعاون مع فريق متعدد التخصصات يضم العديد من الجامعات والمؤسسات البحثية في جميع أنحاء العالم، تم اقتراح حل "تقارب التكنولوجيا".استخدموا في البداية تقنية التحليل الحراري - كروماتوغرافيا الغاز - مطياف الكتلة (py-GC-MS)، ثم استخدموا أساليب التعلم الآلي الخاضعة للإشراف لتصنيف البيانات التي تم تحليلها وتمييزها، وبالتالي التقاط آثار قديمة للحياة في الشظايا الجزيئية الفوضوية.

أظهرت التجارب أن النموذج الذي يدمج هذه التقنيات يحقق نتائج أفضل من المتوقع. فهو قادر على التمييز بدقة بين المواد العضوية الحديثة والمواد العضوية النيزكية/الأحفورية بدقة تصل إلى 1001 TP3T، كما يمكنه التمييز بين الأنسجة النباتية الأحفورية والمواد العضوية النيزكية بدقة تصل إلى 971 TP3T. والأهم من ذلك، عندما طبق الفريق النموذج على عينات مجهولة، تمكن بنجاح من تحديد أدلة على وجود تجمعات جزيئية حيوية في صخور حقبة الباليواركيان والنيواركيان التي يعود تاريخها إلى 3.33 مليار سنة و2.52 مليار سنة على التوالي. يوفر هذا دعمًا منهجيًا جديدًا لاستكشاف آثار الحياة الأقدم والأقل بقاءً.

تم نشر البحث ذي الصلة، بعنوان "الأدلة الجيوكيميائية العضوية على وجود حياة في صخور العصر الأركي التي تم تحديدها بواسطة التحليل الحراري - GC - MS والتعلم الآلي الخاضع للإشراف"، في وقائع الأكاديمية الوطنية للعلوم (PNAS).

أبرز الأبحاث:

* إن نهج دمج التكنولوجيا المقترح يتجاوز القيود التقليدية، ويتغلب على التحدي الأساسي المتمثل في تمييز الجزيئات بعد التحلل من خلال الجمع بين كروماتوغرافيا الغاز بالتحلل الحراري وقياس الطيف الكتلي مع التعلم الآلي. 

* تغطي عينة البحث نطاقًا واسعًا، من الحياة الحديثة إلى الصخور التي يعود تاريخها إلى مليارات السنين، ومن الكائنات الحية الأرضية إلى النيازك خارج الأرض، مما يوفر مقارنة شاملة لتدريب النموذج.

* تُظهر التجارب أن هذه الطريقة سليمة علميًا وذات نظرة مستقبلية، فهي لا تتحقق فقط من وجود آثار الحياة في صخور العصر الأركي، ولكنها توفر أيضًا طريقة جديدة لاستكشاف آثار الحياة الأخرى غير المعروفة.

عنوان الورقة:

https://www.pnas.org/doi/10.1073/pnas.2514534122
تابع حسابنا الرسمي على WeChat وأجب بكلمة "pyrolysis gas chromatography" في الخلفية للحصول على ملف PDF كامل.

مجموعة البيانات: 406 عينة، تغطي نطاقًا واسعًا، مما يوفر مقارنة شاملة للنموذج.

قام فريق البحث بتحليل 406 عينة طبيعية وصناعية تحتوي على مجموعة متنوعة من الجزيئات العضوية، تغطي مصادر قديمة وحديثة، بيولوجية وغير بيولوجية، تمتد من حوالي 3.8 مليار سنة مضت (العصر الأركي) إلى 10 ملايين سنة مضت (العصر النيوجيني). وشملت أنواع العينات صخورًا رسوبية (141 قطعة)، وأحافير (65 عينة)، وكائنات حية حديثة (123)، ونيازك (42 نيزكًا، منها 39 نيزكًا كوندريتيًا كربونيًا)، وجزيئات عضوية مصنعة مخبريًا (35 مجموعة)، مما وفر قاعدة بيانات غنية ومتنوعة لتحليل التعلم الآلي.

من بين هذه العينات الـ 406، تم تقسيم 272 عينة بوضوح إلى 9 فئات بناءً على العلاقات التطورية والخصائص الفسيولوجية، وتم استخدامها للتدريب الخاضع للإشراف على التعلم الآلي (75%) والاختبار (25%)، كما هو موضح في الشكل أدناه:

* الحيوانات الحديثة:تم استخلاص الخصائص الجزيئية العضوية للكائنات الحية غير ذاتية التغذية الحديثة غير القادرة على التمثيل الضوئي من مجموعة متنوعة من اللافقاريات والفقاريات التي نفقت مؤخراً. بلغ حجم العينة 21. 

* النباتات الحديثة (الأنسجة غير القادرة على التمثيل الضوئي):شملت هذه الدراسة أنسجة وإفرازات غير ضوئية من جذور النباتات وبذورها وأزهارها وثمارها وعصارتها، مما يمثل الاختلافات الجزيئية بين الأنسجة الوظيفية المختلفة للنباتات. بلغ حجم العينة 40.

* النباتات الحديثة (الأنسجة الضوئية):ركزت الدراسة بشكل أساسي على الأوراق والأنسجة الأخرى التي تقوم بعملية التمثيل الضوئي، لتكون بمثابة مرجع حديث لخصائص الجزيئات الحيوية الضوئية. بلغ حجم العينة 36. 

* الصخور الرسوبية التي تحتوي على أحافير البكتيريا الزرقاء/الطحالب الضوئية:تم إثراء البقايا العضوية عن طريق التحلل الحمضي باستخدام حمض الهيدروكلوريك (HCl) وحمض الهيدروفلوريك (HF) في الصخر الزيتي أو الصوان، وتحتوي هذه الصخور على أدلة مورفولوجية موثوقة على وجود أحافير البكتيريا الزرقاء أو الطحالب، مما يمثل سجلاً جزيئياً للكائنات الحية الدقيقة القديمة التي تقوم بعملية التمثيل الضوئي. بلغ حجم العينة 24 عينة.

* الخشب المتحجر والفحم والصخر الزيتي:تعود معظم العينات إلى حقبة البشائر (أقل من 541 مليون سنة مضت)، ولكنها تشمل أيضاً رواسب معقدة غنية بالهيدروكربونات من حقبة البروتيروزويك، مثل الشونجيت والأنثراكسوليت، والتي تمثل خصائص الحفظ الجزيئي للنباتات العليا القديمة والهيدروكربونات. ويبلغ إجمالي عدد العينات 49 عينة. 

* أحافير الحيوانات:جميع العينات تعود إلى حقبة البشائر، وتشمل بقايا متفحمة لأحافير الأسماك وأحافير الترايلوبيت، بالإضافة إلى بروتينات رابطة للأصداف مستخرجة من أصداف بطنيات الأقدام من العصر الميوسيني، والتي تمثل بقايا جزيئية عضوية لحيوانات قديمة. ويبلغ عدد العينات تسع عينات إجمالاً.

* الفطريات الحديثة:يشمل هذا البحث مجموعة متنوعة من الفطريات والخمائر المحللة للخشب، مما يسد الثغرات في البيانات الجزيئية للمجموعات غير النباتية وغير الحيوانية في حقيقيات النوى. حجم العينة 16.
* نيزك:كانت العينات في الأساس عبارة عن نيازك كربونية (39 عينة إجمالاً)، خضعت لعملية إذابة كيميائية وإثراء بالمركبات الجزيئية العضوية، مما شكل مرجعاً واضحاً للمصادر العضوية غير البيولوجية. وقد جُمع ما مجموعه 42 عينة.

* عينات مصنعة مخبرياً:استخدمت الدراسة مجموعات من الجزيئات العضوية التي تم الحصول عليها من خلال عمليات التخليق المختبري، مثل تفاعل ميلارد وتفاعل فورموز، لمحاكاة الخصائص الجزيئية للمواد العضوية المشتقة من مصادر غير حيوية. بلغ حجم العينة 35.

بجانب،كما قام فريق البحث بإعداد عينتين إضافيتين من الفئات المساعدة لنماذج تعلم الآلة المحددة.لتمييز الكائنات الحية القادرة على التمثيل الضوئي عن تلك غير القادرة عليه، استُخدمت ثلاث عينات. استُخدمت عينتان من البكتيريا الزرقاء الحديثة لإثراء البيانات المتعلقة بالكائنات بدائية النواة القادرة على التمثيل الضوئي. كما استُخدمت عينة واحدة من البكتيريا المحبة للملوحة الحديثة (Halobacter) لإثراء البيانات المتعلقة بالعتائق غير القادرة على التمثيل الضوئي.

أخيرًا، كانت العينات الـ 131 المتبقية عبارة عن بقايا غنية بالمواد العضوية، قابلة للذوبان في الأحماض، من صخور رسوبية غنية بالمواد العضوية تعود إلى حقبتي الأركي والبروتيروزوي. لا يزال أصل وخصائص الجزيئات العضوية في هذه العينات غير معروفة أو مثيرة للجدل، إلا أن هذا يوفر مجالًا جديدًا لاختبار التصنيف للتحقق من تطبيق تحليل التعلم الآلي في هذه التجربة.

أساليب ونماذج البحث: التكامل العميق بين تقنية التحليل الحراري بالاقتران مع كروماتوغرافيا الغاز وقياس الطيف الكتلي والتعلم الآلي

يمكن تلخيص هذه التجربة في أربع خطوات رئيسية:

* تضمنت الخطوة الأولى جمع 406 عينة مختلفة تحتوي على الكربون من مصادر بيولوجية وغير بيولوجية حديثة وقديمة متنوعة؛

* الخطوة الثانية هي استخلاص الجزيئات الكربونية الكبيرة من النيازك والصخور الرسوبية القديمة؛

* تتضمن الخطوة الثالثة تحليل كل عينة باستخدام كروماتوغرافيا الغاز بالتحلل الحراري المقترنة بقياس الطيف الكتلي للتأين بالصدم الإلكتروني؛

* الخطوة 4: استخدم البيانات من مجموعة فرعية لتحليل العينة التجريبية (طريقة التعلم الآلي) لتدريب نموذج الغابة العشوائية الخاضع للإشراف.

إن أهم جانب في هذه الطريقة هو "التكامل التقني" لتقنية تحليل py-GC-MS مع أساليب التعلم الآلي.

أولاً، هناك الأسلوب التحليلي.في هذه التجربة، استخدم فريق البحث مسبارًا حراريًا من نوع CDS 6150 موصولًا بجهاز كروماتوغرافيا غازية من سلسلة Agilent 8860 وجهاز مطياف كتلة رباعي الأقطاب من نوع Agilent 5999. أُجري الفصل الكروماتوغرافي باستخدام عمود Agilent 30 M 5% فينيل PDMS. تم تمرير نواتج التحلل الحراري مباشرةً إلى عمود الكروماتوغرافيا الغازية بواسطة غاز الهيليوم لتحليلها. وفيما يلي الإجراءات التفصيلية:

* الانحلال الحراري:قام الباحثون بتحميل عينات (10-100 ميكروغرام) في أنابيب كوارتز مسخنة مسبقًا (تم حرقها في الهواء عند 550 درجة مئوية لمدة 3 ساعات)، ثم أدخلوها في ملف مسبار حراري للتحلل الحراري السريع، وتسخينها إلى 610 درجة مئوية بمعدل 500 درجة مئوية/ثانية، مع تثبيتها لمدة 10 ثوانٍ.

* الكروماتوغرافيا:كانت درجة الحرارة الابتدائية 50 درجة مئوية، وثُبِّتت لمدة دقيقة واحدة، ثم رُفعت إلى 300 درجة مئوية بمعدل 5 درجات مئوية/دقيقة، وثُبِّتت لمدة 15 دقيقة. استُخدم غاز الهيليوم فائق النقاء (درجة UHP 5.5) كغاز حامل.

* قياس الطيف الكتلي:يعمل في وضع التأين الإلكتروني (EI) بطاقة تأين تبلغ 70 إلكترون فولت عند 250 درجة مئوية، مع نطاق مسح m/z 45-700، ومعدل مسح يبلغ 0.80 ثانية/عقد، وتأخير بين عمليات المسح يبلغ 0.20 ثانية.

لتجنب تداخل الجزيئات المتطايرة الصغيرة (مثل ثاني أكسيد الكربون والماء)، لم تُجمع بيانات مطياف الكتلة خلال الدقيقتين الأوليين من التجربة. علاوة على ذلك، تطلبت التجربة استبعاد الإشارات من مناطق فصل الملوثات الشائعة في الكروماتوغرام (مثل حمض البالمتيك وحمض الستياريك). حُوِّلت كل عينة إلى مصفوفة ثنائية الأبعاد (3240 فاصل زمني للفصل × 150 قيمة m/z)، وسُجِّلت شدة الإشارة لـ 489240 عنصرًا كدالة للكتلة وزمن الاحتفاظ. بعد التوحيد والتنعيم، احتُفظ في النهاية بـ 8149 خاصية فعالة.

ثانيًا، تم استخدام اختيار النموذج. استخدمت هذه التجربة طريقة الغابة العشوائية.هذه طريقة تصنيف جماعية تتميز بدقة عالية، وتكلفة حسابية منخفضة، وقابلية تفسير ممتازة. وهي تقلل من خطر التخصيص الزائد للبيانات من خلال بناء أشجار قرار متعددة ذات ارتباطات متبادلة. يعتمد النموذج على نموذج الغابة العشوائية الذي ذكره ليو بريمان في كتابه "الغابات العشوائية".

استخدم الباحثون استراتيجيتين للتحقق من صحة نموذج التعلم الآلي المُدرَّب. أولًا، استُخدمت معاينة عشوائية طبقية مع مجموعة تدريب مكونة من 75% ومجموعة اختبار مكونة من 25% لضمان اتساق نسبة كل فئة من العينات في المجموعتين. ثانيًا، قُيِّمت قدرة النموذج على التعميم من خلال 10 عمليات تحقق متقاطع متكررة بعشرة أضعاف، وحُسب متوسط الدقة لتقليل الخطأ العشوائي.

اختبرت التجربة أربعة نماذج للتمييز بين المصادر البيولوجية الحديثة (النباتات والحيوانات) والمصادر غير البيولوجية (النيازك + العينات الاصطناعية)، والمصادر البيولوجية القديمة (الصخور الرسوبية ذات الأصل البيولوجي المعروف) والمصادر غير البيولوجية، والمصادر البيولوجية القديمة (باستثناء الخشب المتحجر والفحم) والمصادر غير البيولوجية، والعينات الضوئية وغير الضوئية.

النتائج التجريبية: التحقق متعدد النماذج والأبعاد من جدوى تكامل التكنولوجيا

في الاختبارات الأولية، استخدم الباحثون نموذج الغابة العشوائية لتصنيف 36 مجموعة ثنائية من العينات ذات 9 سمات معروفة، بافتراض حجم عينة متوازن نسبيًا.من بين 36 اختبارًا، كان لدى 25 منها دقة ≥ 90% على كل من مجموعات التدريب والاختبار، وكان لدى 19 منها دقة ≥ 95%.جميع النتائج معروضة في الجدول أدناه:

ولتوضيح المنهجية بشكل أكبر، تقدم الورقة البحثية عدة دراسات حالة تُظهر الاختلافات في الكفاءة وعدم الكفاءة عبر حالات مختلفة. على سبيل المثال، في المجموعتين 3 و8، وهما النباتات الحديثة (الأنسجة الضوئية) والنيازك،وقد ميزت هذه الطريقة النباتات عن النيازك بدقة تصل إلى 100%.جميع العينات كانت احتمالات تصنيفها إما أكبر من 0.6 أو أقل من 0.4، مما يشير إلى وجود اختلافات كبيرة في الخصائص الجزيئية. انظر الشكل (أ) أدناه:

إضافةً إلى ذلك، يُعدّ تحديد العينات الحيوية وغير الحيوية هدفًا رئيسيًا في أبحاث علم الأحياء القديمة وعلم الأحياء الفلكي. ولتحقيق هذه الغاية، قام فريق البحث ببناء ومقارنة ثلاثة نماذج مختلفة للغابات العشوائية للتحقق من قدرتها على التمييز بين المصادر الحيوية وغير الحيوية لمجموعات عينات مختلفة.

على وجه التحديد، في النموذج # 1، اختبر فريق البحث القدرة على التمييز بين النباتات والحيوانات الحديثة والمصادر غير الحيوية (النيازك والعينات الاصطناعية) في المجموعات 1 و2 و3 والمجموعات 8 و9، بأعداد عينات تبلغ 97 و77 على التوالي.بلغ معدل الدقة الإجمالي 981 TP3T.تبلغ قيمة AUC 0.977 على مجموعة التدريب و 1.000 على مجموعة الاختبار؛ ودقة التحقق المتقاطع ذي العشر طيات هي 98.3%.

استُخدم النموذج # 2 بشكل أساسي للتحقق من قدرة النموذج على التمييز بين العينات البيولوجية القديمة والعينات غير الحيوية الغنية بالمواد العضوية. أما عينات المقارنة فكانت من المجموعتين 4 و5، والمجموعتين 8 و9، وتحتوي على 87 و77 عينة على التوالي.من بين 87 عينة عضوية قديمة ذات أصل بيولوجي، تم تصنيف 83 عينة بشكل صحيح، محققة معدل دقة قدره 95.1 TP3T.بالإضافة إلى ذلك، أظهرت 70 عينة من هذه العينات (80%) ثقة عالية في احتمالات تصنيف الأصل البيولوجي، >0.6. تم تصنيف 69 عينة من العينات غير البيولوجية بشكل صحيح، محققة دقة قدرها 90%؛ وكانت قيمة AUC 0.924 على مجموعة التدريب و0.926 على مجموعة الاختبار؛ وبلغت دقة التحقق المتقاطع ذي العشر طيات 92.7%.

عندما تم تطبيق النموذج # 2 على 109 من الصخور الرسوبية القديمة ذات الأصل البيولوجي غير المعروف، تم العثور على 68 عينة (61%) ذات احتمال تصنيف الأصل البيولوجي > 0.50، وتم العثور على 32 عينة ذات احتمال تصنيف الأصل البيولوجي > 0.60.

علاوة على ذلك، كشفت النتائج عن اتجاه تنازلي في نسبة العينات ذات الأصل البيولوجي مع تقدم العمر الجيولوجي. فمن بين 82 عينة من حقبة الحياة الظاهرة، كانت 76 عينة (93%) ذات أصل بيولوجي، و43 عينة (73%) من حقبة ما قبل الكامبري، و21 عينة فقط (47%) من حقبة الأركي (45 عينة). يُشير هذا إلى انخفاض ملحوظ في نسبة العينات ذات الأصل البيولوجي مع ازدياد العمر، مما قد يعكس تحلل الجزيئات الحيوية أو وجود مدخلات عضوية غير حيوية في العينات. (انظر الشكل أدناه).

يُستخدم النموذج # 3 بشكل أساسي للتحقق من القدرة على التمييز بين المصادر البيولوجية القديمة وغير البيولوجية. تأتي العينات البيولوجية من 89 عينة من الصخر الزيتي والصوان، بما في ذلك المجموعة الرابعة من العينات، بينما تبقى العينات غير البيولوجية هي 77 عينة من المجموعتين الثامنة والتاسعة.تم تصنيف جميع العينات البيولوجية بشكل صحيح.  تتمتع عينات 80% باحتمالية ثقة عالية لتصنيف السبب البيولوجي (>0.60)، ودقة عينات السبب غير البيولوجي هي 77%؛ وقيمة AUC هي 0.873 لمجموعة التدريب و0.863 لمجموعة الاختبار؛ ودقة التحقق المتقاطع ذي 10 أضعاف هي 91.6%.

علاوة على ذلك، من خلال الجمع بين الطراز # 2 والطراز # 3،حدد الباحثون 11 عينة قديمة على أنها مشتقة بيولوجيًا، وأقدمها حجر الصوان جوزيفسدال من حزام باربرتون غرينستون في جنوب إفريقيا، والذي يعود تاريخه إلى 3.33 مليار سنة.كما هو موضح في الجدول التالي:

أصبح التكامل التكنولوجي وسيلة مهمة لاستكشاف أصول الحياة.

في السنوات الأخيرة، أجرت فرق بحثية عالمية العديد من الدراسات الاستكشافية المبتكرة لمعالجة تحديات جوهرية، مثل تحديد آثار الحياة المبكرة وتتبع المواد العضوية خارج كوكب الأرض. وتركز هذه الدراسات أيضاً على تحليل الخلائط الجزيئية المعقدة، باستخدام نماذج حسابية للتعمق في الخصائص البيولوجية التي يصعب رصدها باستخدام الأساليب التحليلية التقليدية، مما يرسخ أساساً متيناً لجدوى مسارات التكامل التكنولوجي وتتبع أصول الحياة على الأرض.

فعلى سبيل المثال، استخدمت نتائج مختبر الأرض والكواكب التابع لمؤسسة كارنيجي للعلوم، بالتعاون مع مؤسسات أخرى، الأساليب المذكورة أعلاه. ويمكن استخدام هذه الأساليب لتحديد الأصل البيولوجي للمواد العضوية في عينات الكواكب، فضلاً عن تحديد آثار الحياة المبكرة على الأرض.تجمع هذه الطريقة بين قياسات كروماتوغرافيا الغاز بالتحلل الحراري وقياس الطيف الكتلي للمواد الكربونية الأرضية والفضائية مع أساليب تصنيف التعلم الآلي.وقد حقق دقة بلغت 90% في التمييز بين العينات ذات الأصل غير البيولوجي والعينات البيولوجية (بما في ذلك العينات البيولوجية شديدة التحلل)، ويعكس بدقة ضرورة وظيفة الاختيار الجزيئي الحيوي لداروين.
عنوان الورقة البحثية: بصمة جزيئية حيوية قوية وغير متحيزة تعتمد على التعلم الآلي
عنوان الورقة:https://www.pnas.org/doi/10.1073/pnas.2307149120

لا يقتصر دمج تقنية التحليل الحراري بالاقتران مع كروماتوغرافيا الغاز-مطياف الكتلة (py-GC-MS) والتعلم الآلي على تجاوز قيود الأساليب التقليدية في استكشاف الحياة المبكرة، بل يرسخ أيضًا نموذجًا جديدًا عند تقاطع علم الأحياء القديمة والذكاء الاصطناعي. ومع ذلك، وكما يتضح من التجارب المذكورة آنفًا ودراسات أخرى، لا يزال هذا النهج المتكامل تقنيًا بحاجة إلى مزيد من التحسين، مما يوجه البحث المعمق. ويُعتقد أنه مع التقدم التكنولوجي المستمر، قد يُمكّن المستقبل البشرية من اكتساب فهم أعمق وأكثر بديهية لأصول الحياة، بل وحتى البحث عن آثار حياة خارج كوكب الأرض.