Молекулярные часы показывают, что бактерии использовали кислород задолго до распространения фотосинтеза

Определить, когда именно появилась та или иная группа микробов, сложно из-за редкости их окаменелостей. Ключевой поворотной точкой стало накопление кислорода в атмосфере около 2,3 млрд лет назад (Великое кислородное событие, GOE).

Исследователи из Окинавского института науки и технологий и их коллеги, опубликовавшие работу в Science, построили детальную временную шкалу эволюции бактерий и адаптации к кислороду.

Новый подход к датировке

Учёные использовали GOE как временную границу, предположив, что большинство аэробных (использующих кислород) ветвей бактерий вряд ли старше этого события. Они создали байесовскую модель, которая может отменить это предположение при наличии данных. Для предсказания, какие древние линии были аэробными, использовались:

• Вероятностные методы для восстановления древних геномов.
• Машинное обучение для прогнозирования использования кислорода.
• Окаменелости эукариот (чья митохондрии произошли от альфа-протеобактерий, а хлоропласты — от цианобактерий).

Ключевые выводы

• Раннее использование кислорода: По крайней мере три линии бактерий вели аэробный образ жизни до GOE. Самая ранняя — почти за 900 млн лет до него. Это говорит, что способность использовать кислород эволюционировала задолго до его широкого накопления в атмосфере.
• Связь с фотосинтезом: Самый ранний переход к аэробности произошёл у предка фотосинтезирующих цианобактерий. Способность утилизировать следовые количества кислорода могла позволить развить гены, центральные для оксигенного (кислород-продуцирующего) фотосинтеза.
• Временные рамки: Последний общий предок всех современных бактерий жил между 4,4 и 3,9 млрд лет назад. Предки основных бактериальных типов появились в архее и протерозое (2,5–1,8 млрд лет назад). После GOE аэробные линии диверсифицировались быстрее анаэробных.
• Методология: Комбинирование геномных данных, окаменелостей и геохимической истории Земли даёт новую ясность в эволюционных временных шкалах для микробов. Моделирование признаков по геномам с помощью машинного обучения хорошо работает для изучения распространения аэробного метаболизма.