此次研究由美国卡内基科学研究所牵头，联合多所大学与机构共同开展。研究团队广泛收集了406个样本，样本类型丰富多样，涵盖古代沉积物、化石、现代动植物组织以及陨石等。其研究目的在于探寻生命特征在原始生物分子被地质作用破坏后，是否仍能以某种形式留存于岩石之中。

在研究过程中，团队运用了热解—气相色谱—质谱技术。该技术先将样本中的有机与无机材料分解成化学碎片，从而释放出被困的分子信号。随后，团队借助名为“随机森林”的机器学习模型，对不同来源物质的化学模式进行识别。这一模型通过构建数百棵决策树对数据进行分类，进而提取潜在的生态与生物分类信息。值得一提的是，这是首次将热解—气相色谱—质谱数据与监督式机器学习相结合，用于识别具有数十亿年历史的岩石中的生命痕迹。

分析结果表明，该方法具备极高的准确性，能够以超过90%的准确率区分生物来源（如微生物、植物和动物）与非生物来源（如陨石或实验室合成碳）。尤为令人惊喜的是，研究团队在33亿年前的南非约瑟夫斯达尔燧石等沉积物中，检测到了明确的生物化学信号。这一发现将此前认为有机分子可提供有效信息的时间窗口向前大幅推进了一倍以上。

此外，研究还发现了距今25.2亿年前岩石中光合作用的分子证据。这表明产氧光合作用至少在25.2亿年前就已存在，比以往通过碳分子保存的化学记录早了8亿多年。这一重大发现对于理解地球大气氧化过程具有至关重要的意义，同时也为复杂生命的演化提供了关键线索。

研究还发现，样本年龄对信号保留程度有着显著影响。5亿年以内的年轻岩石大多保留着强烈的生物信号；5亿至25亿年间的岩石中，约三分之二仍可识别出生命痕迹；而超过25亿年的岩石中，仅有47%保留可探测的生命痕迹。鉴于此，模型不仅会给出“生命”或“非生命”的判断，还会提供概率评分，通常以60%作为判定为生物来源的参考阈值。

此次多学科团队的联合研究，凭借创新的技术手段和严谨的科学方法，为生命起源与演化的研究带来了新的曙光，未来有望推动该领域取得更多突破性进展。