Vea También
 |
| Científicos enseñan a la IA a leer los fantasmas de la vida antigua. Crédito: lavidaes.org |
En lo profundo de la provincia de Mpumalanga, Sudáfrica, restos fósiles de carbono antiguo están revelando secretos que podrían reescribir nuestra comprensión del origen de la vida en la Tierra. Fragmentos de carbono del Josefsdal Chert, con una antigüedad de 3.33 mil millones de años, han entregado la evidencia química más antigua y confiable de actividad biológica jamás encontrada.
Gracias a la combinación de técnicas avanzadas de aprendizaje automático y análisis químico de precisión, los científicos han podido detectar señales sutiles que solo podrían ser producidas por procesos biológicos. Según Robert Hazen, mineralogista y astrobiólogo del Carnegie Institution for Science, “los resultados muestran que la vida antigua deja más que fósiles; deja ecos químicos, y ahora podemos interpretarlos con confianza”.
Este enfoque también ha permitido identificar las pruebas más antiguas de fotosíntesis en rocas de 2.52 y 2.3 mil millones de años, procedentes de Sudáfrica y Canadá, adelantando la línea temporal de este proceso vital en más de 800 millones de años.
El paso del tiempo, la degradación natural y los cambios geológicos complican la detección de estas huellas. La primera vida en la Tierra, microbios minúsculos, habría dejado rastros físicos prácticamente irreconocibles tras miles de millones de años. No obstante, estructuras como los stromatolitos —comunidades microbianas que forman capas visibles en la roca— y restos de carbono fósil atrapados en chert, esquisto y formaciones de carbonato han conservado fragmentos de estas señales biológicas.
 |
| La investigadora de la MSU, Katie Maloney, aportó muestras de fósiles de algas marinas raras y excepcionalmente bien conservadas (por ejemplo, algas macroscópicas) del territorio del Yukón, Canadá. Estos fósiles tienen casi mil millones de años y representan una de las primeras algas marinas conocidas en el registro fósil, cuando la mayoría de los seres vivos aún se observaban a través del microscopio. Crédito: Katie Maloney |
El desafío era distinguir entre carbono generado por procesos biológicos y carbono alterado por fenómenos no biológicos. Para ello, Hazen y su equipo, junto a los astrobiólogos Michael Wong y Anirudh Prabhu, desarrollaron un modelo de aprendizaje automático capaz de identificar patrones químicos característicos de la vida. “Es como mostrar miles de piezas de un rompecabezas a un ordenador y preguntarle si la imagen original era una flor o un meteorito”, explica Hazen.
El equipo recopiló 406 muestras, desde organismos modernos hasta fósiles antiguos, y aplicó pirolisis-gas cromatografía-espectrometría de masas (Py-GC-MS) para fragmentar, separar y medir las firmas químicas de los materiales orgánicos. El algoritmo de aprendizaje automático analizó los datos, identificando con más del 90% de precisión las señales biológicas incluso en muestras extremadamente degradadas.
 |
| Material orgánico hallado en una roca de 2.500 millones de años. Crédito: Andrew D. Czaja/Institución Carnegie para la Ciencia |
Los resultados abarcan desde fósiles de 3.8 mil millones de años, como carbono de Groenlandia y stromatolitos australianos de 3.5 mil millones de años, hasta muestras más jóvenes con firmas biológicas claras. La evidencia más antigua positiva provino del Josefsdal Chert, confirmando que la vida había surgido y se había expandido en la Tierra hace al menos 3.33 mil millones de años.
Aunque los fósiles aún más antiguos podrían ser biológicos, la degradación hace que sus patrones químicos sean indetectables incluso para la inteligencia artificial. Este avance representa un salto cualitativo en nuestra capacidad de leer los “fantasmas moleculares” de la vida primitiva. Como afirma Hazen, “las rocas más antiguas de la Tierra tienen historias que contar, y apenas estamos comenzando a escucharlas”.
Fuentes, créditos y referencias:
Hazen, Robert M., Organic geochemical evidence for life in Archean rocks identified by pyrolysis–GC–MS and supervised machine learning, Proceedings of the National Academy of Sciences (2025). DOI: 10.1073/pnas.2514534122. doi.org/10.1073/pnas.2514534122
