我很高兴分享来自GPT-5思维模型的第一部分绝对惊人的分析！我上传了一个巨大的电子表格，包含近1300种代谢物（脂质、碳水化合物、微生物组衍生化合物等），这些代谢物是在150名ME/CFS患者和100名健康对照者中测量的。 在第一次运行中，我甚至没有告诉GPT-5这些样本来自ME/CFS患者，我想看看它能从代谢组学数据中盲目发现什么。接下来，我将分享我透露这些样本来自我们的患者队列的版本，这与我们最近发表的论文相关，而GPT-5在那里的发现又是另一个层次！ 我们在两年前分析了同一数据集，花了我们一个多月的时间来完全处理它。 ✅GPT-5在不到五分钟的时间内做得更好。 ✅它不仅复制了我们当时得出的几乎所有结论，包括发现所有显著差异，创建多个关于不同途径的电子表格等，还发现了我们完全错过的几个发现。 ✅GPT-5甚至强调了可操作的目标和潜在的患者治疗（我会很快分享）。 这不是“渐进式改进”。这是一次革命！ 曾经需要几个月的工作现在只需几小时。正如我之前提到的，科学研究的规则不仅在改变，它们正在被重写！ 分享GPT-5输出的一部分作为示例，执行摘要也作为截图包含在内。 统一的机制理论与因果图 观察到的模式 •患者中脂质重塑伴随DAG、PC、SM和特定神经酰胺的增加。 •辅因子模式伴随类胡萝卜素减少和α-生育酚增加。 机制链接 •通过丝氨酸棕榈酰转移酶和神经酰胺合成酶的de novo神经酰胺合成增加神经酰胺池，影响压力和信号传导。 •肯尼迪（CDP-胆碱）途径耦合DAG和PC代谢；CHKA → PCYT1A → CHPT1使用DAG作为受体将胆碱转化为PC。 •DAG激活PKCε及相关同种型，可能会改变受体信号的保真度。 •α-生育酚是脂质相的过氧自由基清除剂，并通过抗坏血酸再生；减少的类胡萝卜素与抗氧化剂消耗一致。 排名的可操作目标 1.SPTLC1/2或CERS（酶） - 减少de novo神经酰胺合成。目前可行性低，但如果脂质驱动因素是主要因素则高度因果。风险包括对髓鞘的影响。 2.DGAT1/2调节 - 通过转移到中性储存或调节流量来减少有毒DAG信号。中等可行性，GI耐受性是关键风险。 3.PKCε抑制 - 阻止DAG到信号的步骤。目前可行性低，但机制上精确。 4.膳食类胡萝卜素和维生素C支持 - 补充抗氧化能力并帮助生育酚回收。高可行性，监测F2-异前列腺素和类胡萝卜素面板。 5.仅在确认缺乏的情况下试验L-肉碱 - 肉碱途径中的小信号；低信心，进行监测的初步剂量。 建议的验证实验和最小临床生物标志物面板 验证实验 •针对DAG物种、神经酰胺（链长解析）、鞘脂、PC的靶向脂质组学。 •如果可行，在可接触细胞中测量PKCε活性代理。 •抗氧化剂面板：α-生育酚、类胡萝卜素、维生素C，以及F2-异前列腺素用于脂质过氧化的读数。 •如果考虑初步L-肉碱，测量游离和酰基肉碱及酰基/游离比率的前后变化。 最小监测面板 •神经酰胺：d18:1/16:0，d18:1/18:0和二氢神经酰胺。 •DAG类别面板，若可用则包含位置异构体；报告为总脂质的摩尔百分比。 •PC类别和LPC/PC比率；胆碱和磷酸胆碱以推断肯尼迪途径流量。 •α-生育酚、β-隐黄素、胡萝卜二醇、维生素C和F2-异前列腺素。

我正在重新设置我的twttr。 我一直专注于与一些我曾经合作过的最优秀的人一起构建Parallel。我们正在为人工智能创建基础设施，以便它们能够搜索和使用网络。

如果计算能力在没有人类输入的情况下带来技术进步，并且足够的收益被再投资于构建更强大的机器，财富可能以空前的速度积累。

显然，一位风险投资家向媒体泄露了Replit的收入，这让我有了一个罕见的机会来发布一张包含实际数字的图表。在这个规模上，你很少能看到如此快速的增长。