利用质谱和机器学习探索分子装配作为生物指示物

分子装配是检测地球之外生命的有前景的路径，同时最小化基于地球生命的假设。由于质谱仪将是未来太阳系任务的核心工具，预测其数据中的分子装配而无需阐明未知结构将是实现无偏生物检测的必不可少的要求。理想的中性生物指示物必须是可解释且可实验测量的。本文表明，分子装配——一种近期发展的用于衡量由演化产生物的装配方法——满足这两个条件。首先，它对于生命检测是可解释的，因为它反映了带有其键作为构件的分子装配，与那些忽略构造历史的方法相对；其二，它无需结构阐释即可确定，因为它可以由质谱仪物理测量，这一属性将其与其他使用结构基信息测度的分子复杂度方法区分开来。尽管分子装配可以直接使用质谱数据进行测量，但受任务约束的限制。在此基础上，我们开发了一种机器学习模型，用于高精度预测分子装配，较基线模型将错误降低三倍。仿真数据显示，即使存在小型仪器不一致性，模型误差也会翻倍，这强调了标准化的必要性。这些结果表明，标准化的质谱数据库可用于在无需结构阐释的情况下准确预测分子装配，为未来 astrobiology 任务提供了概念验证。