Tecnologia a laser decifra fósseis da 'Rosetta Stone' e oferece pistas do início da vida

Loron et ai.

Ao assinar, você concorda com nossos Termos de Uso e Políticas. Você pode cancelar a assinatura a qualquer momento.

No coração de Aberdeenshire, na Escócia, perto da tranquila vila de Rhynie, encontra-se um ecossistema fóssil de renome mundial que cativou cientistas desde sua descoberta em 1912.

Preservado dentro do abraço impenetrável do chert, uma rocha endurecida composta de sílica, o Rhynie chert oferece uma janela para o passado, vindo do antigo período Devoniano, aproximadamente 407 milhões de anos atrás (ma). Este notável tesouro geológico tem um papel crucial em desvendar os mistérios da vida na Terra.

Agora, armados com técnicas de imagem não destrutivas de ponta, análise avançada de dados e o poder do aprendizado de máquina, uma equipe de pesquisadores embarcou em uma exploração inovadora das coleções de fósseis mantidas pelos Museus Nacionais da Escócia, bem como pelas Universidades de Aberdeen e Oxford.

Por meio de sua abordagem inovadora, cientistas da Universidade de Edimburgo revelaram informações sem precedentes sobre o Rhynie chert que podem revolucionar nossa compreensão até mesmo das amostras mais mal preservadas.

Curiosa para aprofundar o impacto desta pesquisa em nossa compreensão do mundo antigo, a Interessante Engenharia (IE) conectou-se com o Dr. Corentin Loron, um dos principais autores do estudo.

"Os fósseis estudados aqui são espécimes de plantas, fungos (o reino que inclui cogumelos, leveduras e bolores), bactérias e animais de Rhynie chert, de cerca de 400 milhões de anos, um sítio fóssil em Aberdeenshire, Escócia, há muito conhecido por sua excepcional abundância de fósseis", descreveu Loron ao IE.

Ela explicou que os fósseis estão envoltos em uma matriz de sílica – um mineral muito duro – o que garante que eles sejam “preservados de forma intocada” tanto morfologicamente quanto, como seu estudo revelou, molecularmente também.

“O conjunto Rhynie chert é crucial para o estudo de como a vida evoluiu nos continentes porque contém muitos dos primeiros exemplos inequívocos de algumas linhagens biológicas”, disse ela.

Dessa forma, explicou ela, a assembléia de Rhynie chert se qualifica como um forte controle positivo para o estudo de sinais moleculares em fósseis porque o sinal pode ser comparado ao organismo ao qual corresponde.

“De certa forma, fornece uma chave para a compreensão de sinais mais enigmáticos ou ambíguos dentro da assembléia ou no início do tempo, assim como a pedra de Roseta permitiu os hieróglifos”, esclareceu ela.

Os fósseis foram analisados ​​usando espectroscopia FTIR, que significa Fourier Transform InfraRed. "Nessa técnica, as amostras são disparadas por um laser infravermelho que, passando pelo material fóssil, excitará as ligações entre os átomos", explicou Loron.

Keshavana/Wikimedia Commons

Em termos mais simples, a espectroscopia FTIR usa luz para identificar as moléculas em uma amostra; ajuda os cientistas a entender do que a amostra é feita.

Ele funciona iluminando uma amostra com luz infravermelha e medindo os comprimentos de onda da luz absorvida pelas moléculas dentro da amostra.

Cada tipo de molécula tem um padrão de absorção único, como uma impressão digital, que o instrumento pode detectar. O instrumento registra a intensidade da luz absorvida em vários comprimentos de onda e a converte em um espectro.

"Essas ligações vão vibrar em frequências diferentes de acordo com seu tipo (por exemplo, uma ligação entre dois átomos de carbono ou entre um carbono e um oxigênio) e grupo funcional químico", disse Loron ao IE.

"O resultado será um espectro mostrando a composição química do nosso material que podemos explorar para reconstruir e entender sua estrutura molecular", acrescentou. Em outras palavras, comparando esse espectro com espectros conhecidos de diferentes moléculas, os cientistas podem identificar a presença de compostos específicos ou analisar a estrutura química de uma substância.

“Uma abordagem que usamos para analisar esses espectros é uma abordagem de aprendizado de máquina, que é simplesmente uma abordagem estatística supervisionada”, disse ela.