一项由多学科团队主导的科研成果，近日在生命起源研究领域引发广泛关注。该团队融合化学分析与人工智能技术，通过解析33亿年前的岩石样本，首次在如此古老的地质层中检测到产氧光合作用的分子证据，将这一关键生命活动的起源时间向前推了8亿余年。相关论文发表于国际权威期刊《美国国家科学院院刊》，为重构地球早期生命演化图景提供了全新依据。
研究团队采用的创新方法，将人工智能的深度学习能力与地质化学分析深度结合。科研人员从南非巴伯顿绿岩带采集的古老岩石中，提取出微量的有机分子和同位素信号。这些化学痕迹如同“时间胶囊”，记录着地球早期生命的代谢活动。传统分析手段往往需要耗费数年时间处理这类复杂数据，而AI算法通过模式识别技术，可在数周内完成对数万组化学参数的筛选，精准定位出与产氧光合作用相关的特征性分子组合。
此次发现中最具颠覆性的结论，是重新定义了产氧光合作用的起源时间。此前学界普遍认为，蓝藻通过光合作用释放氧气的过程始于25亿年前的大氧化事件。但新研究在33亿年前的岩石中检测到锰氧化酶的分子痕迹——这种酶是产氧光合作用的核心催化剂。这一发现意味着，地球生命在太古宙早期就已具备分解水分子释放氧气的能力，比此前认知提前了整整8亿年。研究负责人指出：“这不仅改写了地球生命演化的时间轴，更暗示生命可能比我们想象的更早开始塑造地球环境。”
该成果对行星科学研究具有双重启示。一方面，地球大气氧浓度的骤增曾被视为生命进化的关键节点，新发现表明这一过程可能经历了更漫长的渐进阶段；另一方面，为地外生命探测提供了新思路——若其他类地行星存在类似演化路径，其古老岩层中或许也保留着产氧光合作用的化学指纹。研究团队已计划将AI分析模型应用于火星陨石样本，探索太阳系生命起源的共性规律。
人工智能在古生物学领域的应用潜力正持续释放。除本次研究的化学数据分析外，AI技术已在多个方向展现优势：在化石形态学研究中，卷积神经网络可自动识别微体化石的种属特征；在古环境重建方面，机器学习模型能通过沉积物数据模拟古代气候模式；针对生命起源的“化学进化”假说，AI正帮助科学家筛选数十亿种可能的有机分子组合，寻找生命起源的化学路径。随着算法精度的提升，AI有望成为破解生命密码的核心工具。
