| EN BREF |
|
Les vestiges chimiques de la vie sur Terre sont rares, car les cellules anciennes et les tapis microbiens ont subi des transformations géologiques qui ont effacé de nombreuses traces. Cependant, grâce à des avancées en chimie et en intelligence artificielle, des chercheurs de Carnegie ont découvert de nouvelles traces chimiques dans des roches vieilles de 3,3 milliards d’années. Ces découvertes suggèrent que la photosynthèse productrice d’oxygène a commencé bien plus tôt qu’on ne le pensait. En analysant des échantillons variés, allant des roches sédimentaires anciennes aux météorites, les chercheurs ont utilisé l’apprentissage automatique pour détecter des biosignatures, ouvrant ainsi une nouvelle voie pour comprendre l’évolution de la vie sur notre planète.
Des fossiles rares mais révélateurs
Pour étudier la vie ancienne sur Terre, les paléobiologistes se fient principalement aux fossiles. Ces derniers incluent de minuscules restes de cellules uniques et de filaments, ainsi que des traces minéralisées de tapis microbiens et de stromatolites stratifiés. Ces fossiles indiquent que la vie existait il y a au moins 3,5 milliards d’années, mais ils sont rares. De plus, les conditions géologiques ont souvent détruit les molécules anciennes, rendant difficile l’étude des débuts de la vie. Les chercheurs se tournent donc vers les biomolécules anciennes dans les roches pour obtenir des indices sur la présence de vie. Cependant, la chaleur et la pression ont souvent fragmenté ces biomolécules en morceaux minuscules et peu informatifs, compliquant encore davantage cette quête scientifique.
La puissance de l’intelligence artificielle
Les chercheurs ont utilisé des techniques de pointe en spectrométrie pour isoler les fragments chimiques des échantillons, puis ont appliqué un modèle d’apprentissage automatique dit « forêt aléatoire ». Ce modèle permet de classer les données et de révéler des motifs biologiques cachés. C’est la première fois que l’apprentissage automatique supervisé est utilisé pour détecter des biosignatures dans des roches vieilles de milliards d’années. Le modèle a distingué la matière organique vivante des sources non-vivantes avec une précision allant jusqu’à 98 %. Il a également identifié des signes de photosynthèse avec 93 % de précision et séparé la vie végétale de la vie animale avec 95 % de précision. Cette approche innovante offre une nouvelle perspective pour comprendre les traces chimiques anciennes laissées par la vie.
Des découvertes majeures sur l’origine de la vie
Trois découvertes principales ont émergé de cette étude. Tout d’abord, la datation des molécules organiques d’origine photosynthétique dans des roches sud-africaines de 2,52 milliards d’années, soit 800 millions d’années plus tôt que les estimations précédentes. Ensuite, l’origine biologique des molécules organiques dans des roches indiennes vieilles de 3,51 milliards d’années a été tracée. Enfin, les origines non-photosynthétiques des molécules dans des roches sud-africaines de 3,5 milliards d’années ont été identifiées. Ces résultats montrent que l’apprentissage automatique peut révéler des indices biochimiques dans des échantillons aussi anciens que ceux de l’ère Paléoarchéenne, même lorsque les biomolécules intactes ont disparu depuis longtemps.
L’avenir de la recherche paléobiologique
Cette étude représente une avancée significative dans notre capacité à décoder les signatures biologiques les plus anciennes de la Terre. En combinant l’analyse chimique puissante avec l’apprentissage automatique, les chercheurs peuvent désormais lire les « fantômes » moléculaires laissés par la vie précoce. Ces « échos » chimiques offrent une nouvelle manière d’interpréter les traces laissées par la vie ancienne, bien au-delà des fossiles traditionnels. Les résultats de cette recherche ouvrent de nouvelles perspectives pour les études paléobiologiques et pourraient révolutionner notre compréhension de l’évolution de la vie sur notre planète. En quoi ces avancées technologiques vont-elles transformer notre approche de l’histoire de la vie sur Terre ?
