Un sistema de análisis basado en inteligencia artificial puede identificar rastros moleculares reales de vida con casi el 90 por ciento de precisión, tanto en la Tierra como en otros planetas. Incluso detecta ciertos tipos de cáncer y enfermedades relacionadas con los telómeros.

Los científicos llevan décadas buscando señales de vida en otros mundos, pero hasta ahora no han encontrado ninguna prueba definitiva.

La mayoría de los métodos se basan en la detección de gases como el oxígeno o el metano en la atmósfera de los exoplanetas, pero estos gases también pueden tener un origen no biológico y generar falsos positivos.

Un equipo internacional de investigadores, dirigido por James Cleaves, del Instituto Carnegie para la Ciencia en Washington DC, propone ahora una forma más precisa y sensible de identificar la vida extraterrestre. En un artículo publicado en PNAS, estos científicos describen un nuevo método para detectar la vida en otros planetas, basado en la inteligencia artificial.

Firma de la vida

El método se llama firma de la vida y consiste en reconocer el patrón espectral que emiten las células vivas cuando se iluminan con luz láser. Este patrón es único para cada tipo de célula y se diferencia del que producen las sustancias no vivas.

“Sugerimos que la diversidad y distribución de moléculas orgánicas en los sistemas vivos son diferentes de los conjuntos moleculares orgánicos producidos por procesos abióticos”, explican los autores de esta investigación en la presentación de su método, realizada en julio pasado en la Conferencia Goldschmidt.

Los investigadores han utilizado una red neuronal artificial para entrenarla con los datos espectrales de diferentes tipos de células y sustancias de la Tierra. Una red neuronal es un modelo matemático que imita el funcionamiento del cerebro humano, formado por unidades de procesamiento llamadas neuronas que se conectan entre sí y aprenden de los datos.

Hay diferentes tipos de redes neuronales, según su estructura y su función. En este caso, los investigadores han usado una red neuronal convolucional, que es especial para procesar imágenes y extraer sus características. En esta red, las neuronas artificiales corresponden a campos receptivos de una manera muy similar a las neuronas presentes en la corteza visual primaria de un cerebro biológico.

Alta precisión

La red neuronal convolucional desarrollada en esta investigación ha aprendido a distinguir entre las firmas de la vida y las firmas abióticas con una precisión del 86%, incluso cuando se le presentan condiciones extremas o desconocidas.

Esto significa que el método podría aplicarse a futuras misiones espaciales que busquen vida en otros planetas, analizando la luz reflejada por sus superficies o atmósferas. El método podría identificar posibles formas de vida extraterrestre, tanto si se parecen a las de la Tierra como si no.

Según los investigadores, este método abre también la oportunidad de identificar de forma fiable rastros de vida terrestre a nivel molecular, lo que podría aclarar si los microfósiles de miles de millones de años de Australia y el norte de Canadá realmente provienen de organismos vivos.

Aplicación médica

Además, la firma de la vida tiene también una aplicación potencial para la medicina: puede usarse para detectar ciertos tipos de cáncer y enfermedades relacionadas con los telómeros.

Los telómeros son las estructuras que protegen los extremos de los cromosomas y que se acortan con cada división celular, provocando el envejecimiento y la muerte celular.

Los investigadores explican que los telómeros contienen información genética para producir dos pequeñas proteínas, una de las cuales se encuentra elevada en algunas células cancerosas y en células de pacientes con defectos teloméricos.

Los investigadores sugieren que con su método se podrían realizar simples análisis de sangre para medir el nivel de estas proteínas y proporcionar un diagnóstico precoz de ciertos cánceres y otras enfermedades. Estos análisis también podrían ofrecer una medida de la «salud telomérica», ya que los telómeros se acortan con la edad.

Referencia

A robust, agnostic molecular biosignature based on machine learning. H. James Cleaves II et al. PNAS, September 25, 2023; 120 (41) e2307149120. DOI:https://doi.org/10.1073/pnas.2307149120