Bunsen skal gjøre legemiddeljakten mer autonom

Det sentrale grepet: språkmodeller sammen med fysikk

Bunsen er ikke bare en chatbot som leser forskningsartikler og foreslår ideer. Systemet kobler store språkmodeller, såkalte LLM-er, med Schrödingers fysikkbaserte verktøy for molekylmodellering – blant annet FEP+, docking og molekylærdynamiske simuleringer (MD) .

Språkmodellene skal forstå forskerens mål formulert i vanlig språk og planlegge en hensiktsmessig arbeidsflyt. Deretter brukes fysikkbaserte beregninger til å anslå molekylære egenskaper på en mer rigorøs måte enn det en ren språkmodell kan gjøre. Schrödinger har beskrevet kombinasjonen av AI-resonnement og beregninger fra første prinsipper som en måte å utforske tidligere lite undersøkte deler av biologiens «målrom» på .

I praksis betyr det at forskeren kan beskrive hva som skal undersøkes, mens Bunsen håndterer flere av trinnene som normalt må settes opp og følges opp manuelt. Resultatene må likevel tolkes og valideres av fagfolk.

Bunsens fire funksjoner

Arbeidsflyten er bygget rundt en lukket sløyfe med fire hovedfunksjoner:

1. Forstå – tolker forskerens vitenskapelige mål formulert i naturlig språk.
2. Utvikle strategi – velger en beregningsstrategi og finner de fysikkbaserte metodene som passer til problemet.
3. Utføre – kjører molekylære oppdagelsesprosesser mer autonomt, for eksempel docking, fri-energi-beregninger og ADME-prediksjon.
4. Iterere – analyserer resultatene og justerer fremgangsmåten, slik at AI-resonnementet og de fysikkbaserte beregningene inngår i en kontinuerlig prosess .

Denne modellen kan gjøre det enklere å gjennomføre flertrinnskampanjer uten at forskeren må konfigurere hvert enkelt beregningstrinn. Ambisjonen er ikke nødvendigvis å erstatte forskeren, men å la eksperter undersøke flere muligheter på samme tid og prioritere de mest lovende kandidatene.

Hvordan skiller Bunsen seg fra konkurrentene?

AI-for-vitenskap-feltet har fått flere systemer som forsøker å automatisere deler av forskningsprosessen. De mest relevante sammenligningspunktene er Google DeepMinds Co-Scientist og FutureHouses Robin.

Google DeepMind: Co-Scientist

Co-Scientist er et fleragentsystem bygget på Gemini 2.0, utviklet for strukturert vitenskapelig tenkning og hypotesedannelse . Systemet ble publisert i Nature i mai 2026 og bruker sju spesialiserte AI-agenter som genererer, rangerer, videreutvikler og utfordrer hypoteser .

Co-Scientist har blant annet foreslått nye terapeutiske hypoteser, inkludert mulig gjenbruk av legemidler mot leverfibrose, som senere ble undersøkt eksperimentelt .

Den viktigste forskjellen fra Bunsen er at Co-Scientist først og fremst er en generell motor for biologiske hypoteser. Den har ikke en tilsvarende innebygd kobling til fysikkbasert molekylsimulering. Systemet kan lese litteratur og foreslå ideer, men selve beregningskjemien må i større grad håndteres av eksterne verktøy eller forskere .

FutureHouse: Robin

Robin fra FutureHouse er utviklet for en bredere, ende-til-ende-prosess innen biologisk forskning. Systemet kan generere hypoteser, foreslå eksperimenter, analysere data og formulere nye innsikter i én sammenhengende arbeidsflyt . Robins forskning ble også publisert i Nature i mai 2026 .

I en demonstrasjon identifiserte Robin ripasudil, et eksisterende glaukomlegemiddel, som en lovende kandidat for tørr aldersrelatert makuladegenerasjon (dAMD) . Plattformen bygger på spesialiserte delagenter, blant annet Crow for spørsmål og svar om litteratur, Falcon for dypere syntese, Owl for besvarelser og Phoenix for programmering og analyse .

Robin har dermed et tydelig tyngdepunkt i eksperimentell biologi og gjenbruk av legemidler. Bunsen er på sin side rettet mot molekylær oppdagelse og har Schrödingers fysikkbaserte simuleringsmotorer integrert i arbeidsflyten .

Andre aktører

De økonomiske forutsetningene

Schrödinger la frem resultatene for første kvartal 2026 5. mai. Tallene viser en virksomhet i overgang: Etterspørselen etter plattformen vokser, men inntektene påvirkes av at selskapet går fra lokale installasjoner til skybaserte, såkalte hosted, avtaler.

• Årlig kontraktsverdi (ACV): 28,4 millioner dollar i kvartalet, opp 12 prosent fra året før. ACV for de siste fire kvartalene var 201 millioner dollar . Veksten ble knyttet til økt bruk hos de 20 største legemiddelselskapene og nye produktlanseringer .
• Samlede inntekter: 58,6 millioner dollar, ned 2 prosent fra året før, men rundt 22 prosent over analytikernes forventninger .
• Programvareinntekter: 35,6 millioner dollar, ned 21 prosent fra året før. Schrödinger har forklart nedgangen med den raskere overgangen til hosted- og SaaS-levering .
• Andel skybasert programvare: Hosted-programvare utgjorde 34 prosent av programvareinntektene, mot 24 prosent ett år tidligere . Selskapet sikter mot omtrent 75 prosent hosted innen 2028 .
• Inntekter fra legemiddeloppdagelse: Omtrent 23 millioner dollar, en økning på 124 prosent fra året før .
• Prognose for 2026: Schrödinger venter en programvare-ACV på mellom 218 og 228 millioner dollar, tilsvarende 10–15 prosent vekst, og inntekter fra legemiddeloppdagelse på mellom 55 og 65 millioner dollar .

Ledelsen har fremstilt overgangen til hosted som en kortsiktig motvind for inntekter som regnskapsføres, men ikke nødvendigvis for ACV eller kontantstrøm. Fordi inntektene fra skyavtaler normalt fordeles over avtaleperioden, kan hver økning på ett prosentpoeng i hosted-andelen påvirke rapporterte inntekter med om lag 2–3 millioner dollar som følge av tidspunktet for inntektsføringen etter ASC 606 . Målet er å knytte inntektene tettere til faktisk kundebruk og samtidig styrke kundelojaliteten.

Hvor mye penger har Schrödinger tilgjengelig?

De tilgjengelige resultatsammendragene oppgir ikke et konkret tall for kontanter og kontantekvivalenter i første kvartal 2026. Schrödinger har imidlertid over tid lagt vekt på en solid balanse for å finansiere videre utvikling av plattformen, inkludert Bunsen, samt selskapets egen legemiddelportefølje.

For det nøyaktige beløpet i kontanter, kontantekvivalenter og omsettelige verdipapirer er selskapets kvartalsrapport, 10-Q, den definitive kilden. I fjerde kvartal 2025 rapporterte Schrödinger god likviditet, og ledelsen har sagt at overgangen til hosted ikke skal kreve ytterligere kapital .

Det store spørsmålet fremover

Bunsen plasserer Schrödinger i en litt annen del av AI-kappløpet enn systemer som først og fremst søker i litteraturen eller foreslår biologiske hypoteser. Selskapet forsøker å koble språkbasert AI med en etablert beregningsmotor for molekylfysikk.

Det kan bli viktig i et felt der det ikke er nok å generere mange ideer. Kandidatene må også vurderes mot fysiske egenskaper, binding, stabilitet og andre forhold som påvirker om et molekyl faktisk kan utvikles til et legemiddel. Hvor stor forskjell Bunsen gjør i praksis, vil likevel avhenge av resultatene fra tidlig tilgang – og av når Schrödinger velger å åpne løsningen for et bredere kommersielt marked.