Una nueva investigación muestra que la vida deja más huellas de lo que nadie había imaginado. Débiles susurros químicos, ocultos en lo más profundo de rocas con una antigüedad de 3.300 millones de años, audibles sólo para aquellos capaces de detectarlos. Científicos de la Institución Carnegie para la Ciencia en Washington (Estados Unidos) han aplicado un nuevo método para identificar pruebas químicas de esa vida primigenia, además de indicios moleculares de que la fotosíntesis ya se producía hace 2.500 millones de años (más de 800 millones de años antes de lo que se había documentado anteriormente).

Combinando pruebas químicas de vanguardia y modelos de inteligencia artificial, un equipo multidisciplinar de la institución norteamericana y de varias universidades asociadas analizó más de 400 muestras, incluyendo sedimentos antiguos, fósiles, plantas y animales modernos, e incluso meteoritos. Sus resultados acaban de publicarse en la revista Proceedings of the National Academy of Sciences (PNAS) y demuestran la viabilidad del método para detectar materiales biológicos (incluyendo microbios, plantas y animales) en rocas, miles de años después de que las biomoléculas originales hayan desaparecido. Con una capacidad para distinguirlos de materiales de origen no vivo (como carbono meteorítico o sintético) con una precisión superior al 90%.

“Este estudio representa un enorme avance en nuestra habilidad para descifrar las huellas biológicas más antiguas de la Tierra”, afirma Robert Hazen, investigador de la Institución Carnegie y coautor del estudio. “Al combinar esos potentes análisis químicos con el aprendizaje automático, podemos leer esos fantasmas moleculares que quedan de las primeras formas de vida y que aún nos susurran sus secretos después de miles de millones de años”. Entre las muestras analizadas cuyo material biótico fue confirmado con seguridad se encuentran los sedimentos de 3.330 millones de años de antigüedad procedentes del yacimiento de Josefsdal en Sudáfrica. Los más antiguos previamente obtenidos de roca tenían 1.700 millones de años de antigüedad.

Además, los científicos hallaron pruebas moleculares de que el proceso de fotosíntesis (utilizado por plantas, algas y muchos microorganismos) ya existía hace, al menos, 2.500 millones de años, según se ha descubierto en muestras procedentes de la formación Gamohaan, también en Sudáfrica. Los autores señalan que comprender cuándo surgió este proceso es clave para explicar cómo la atmósfera terrestre se enriqueció en oxígeno, hito fundamental en la evolución de formas de vida complejas, incluidos los seres humanos.

Han llegado a nosotros pocos vestigios moleculares de las formas de vida más primitivas de nuestro planeta. Y los que han sido detectados son frágiles; restos que quedaron enterrados y a menudo quemados en el interior de la corteza terrestre, antes de volver a emerger después de fenómenos geológicos o excavaciones. Vicisitudes que a menudo borran biomarcadores que contienen pistas vitales para los investigadores. Por eso, hasta ahora los paleobiólogos han dependido de fósiles, restos mineralizados de estructuras celulares como esteras microbianas y estromatolitos, que han proporcionado indicios de vida fosilizada de hace hasta 3.500 millones de años pero sin información molecular.

Hallar estas moléculas presentan una dificultad adicional: la mayoría de las rocas antiguas han sido alteradas de tal manera que todas las biomoléculas diagnósticas se han roto en innumerables fragmentos, demasiado pequeños y genéricos con escasa información. Las moléculas orgánicas más resistentes, las derivadas de las membranas plasmáticas o de ciertos procesos metabólicos, se han encontrado en sedimentos de hasta 1.700 millones de años de antigüedad.

En este caso el equipo utilizó un método llamado pirólisis-cromatografía de gases-espectrometría de masas (Py-GC-MS) para liberar fragmentos químicos atrapados en cada muestra. A continuación, utilizó un tipo específico de modelo de aprendizaje automático para crear cientos de árboles de decisión (un tipo de modelo predictivo de IA), clasificar esos datos y extraer patrones ecológicos y taxonómicos latentes. Los autores afirman que se trata del primer estudio en combinar Py-GC-MS y deep learning para identificar biofirmas en rocas de miles de millones de años de antigüedad.

“Es el equivalente de mostrar miles de piezas de un rompecabezas a un ordenador y preguntarle si la escena original era una flor o un meteorito”, explica Hazen. “En lugar de centrarnos en moléculas individuales, buscamos patrones químicos, y esos patrones podrían existir también en otras partes del universo”. El estudio parte de la hipótesis de que las moléculas de la vida son seleccionadas rigurosamente por sus funciones biológicas. A diferencia de la distribución aleatoria de moléculas que puede hallarse en meteoritos y en otras mezclas orgánicas abióticas, la vida produce pocos tipos de moléculas en gran abundancia. Y cada sustancia química de una célula viva tiene su propia función. Por eso los autores creen que la distribución de fragmentos biomoleculares que se encuentra en rocas antiguas conserva información clave sobre la evolución de la vida.

El modelo se ha entrenado para distinguir la materia orgánica de restos de meteoritos o de materia sintética, algo que logró con una precisión de hasta el 98 %. Ahora los autores afirman que contar con muestras más amplias y variadas, especialmente más fósiles de animales y materiales abióticos diversos, contribuirá en el futuro a lograr refinar los resultados y aportar información más completa de cada muestra. Y subrayan que se trata de un método complementario, no sustitutivo, de técnicas tradicionales como el análisis de isótopos o la morfología de los fósiles.

De confirmase su viabilidad, supondría una importante herramienta no sólo para la investigación del origen de la vida en la Tierra sino también para la exploración espacial, ya que los resultados sugieren que el aprendizaje automático aplicado a la materia orgánica degradada puede ayudar a resolver muchas incógnitas sobre la aparición y evolución de la vida. De momento, el equipo tiene previsto perfeccionar sus modelos, explorar diferentes tipos de aprendizaje automático y probar su enfoque en rocas de desiertos terrestres similares a las que se encuentran en la superficie de Marte.

GD