خمس معارك من أجل CASP، وهو معيار للتنبؤ ببنية البروتين، تشنغ وي من جامعة نانكاي: زيادة القدرة التنافسية والصعوبة، والتركيز على المشكلات البيولوجية العملية

"قبل CASP14، رأت العديد من مجموعات البحث مشاركة DeepMind واعتقدت أن نتائجها قد تكون مماثلة لنتائج المرة الأخيرة (CASP13)، لذلك لم يأخذها أحد على محمل الجد."وكان البروفيسور تشنغ وي من جامعة نانكاي يدرس ويتبادل الأفكار في مختبر البروفيسور تشانغ يانغ في جامعة ميشيغان في ذلك الوقت.لقد شارك في المسابقات مع الفريق ثلاث مرات وشهد ظهور الجيل الأول من AlphaFold وصعود AlphaFold 2 إلى الشهرة.

كما يقول المثل، "الشخص العادي يرى الإثارة، والخبير يرى المدخل". عندما كانت وسائل الإعلام تروج لفوز AlphaFold، فإن المتسابقين الذين تنافسوا به في CASP13 لم يكونوا في الواقع مندهشين ومتحمسين مثل العالم الخارجي. وتذكر Zheng Wei أنه في ذلك الوقت، لم يكن AlphaFold قد انفصل بعد عن إطار "التنبؤ بالمسافة".واتفق الجميع على أنه "إذا حاولنا، فقد نتمكن من التفوق على AlphaFold في غضون بضعة أشهر".وفي الوقت نفسه، هناك شعور أيضاً بأنه من الصعب على الصناعة أن تبرز بابتكارات منهجية في الأمد القريب، بل إنها دخلت حتى في "فترة عنق الزجاجة".

ولهذا السبب، لم يكن لدى الناس في البداية توقعات عالية بشأن أداء DeepMind في CASP14.

في اليوم الأخير من شهر نوفمبر 2020، أعلن CASP14 عن النتائج. فاز تشنغ وي وفريقه بمسابقة مجموعة الخوادم. وعندما أعلنت اللجنة المنظمة النتائج، حملت معها أيضًا خبرًا آخر مثيرًا للتفكير:"كان أداء إحدى المجموعات متميزًا ومختلفًا تمامًا عن المجموعات الأخرى ومتفوقًا بشكل كبير على الفرق المشاركة الأخرى."وسرعان ما أدرك أن DeepMind ربما يكون قد "توصل إلى شيء كبير".

النتائج واضحة بذاتها، AlphaFold 2 ممتاز. «لقد فاجأنا الأمر حقًا، لقد قاموا بعمل ممتاز»، هذا ما حللّه تشنغ وي وآخرون في ذلك الوقت. «لقد دمج AlphaFold 2 النتائج عالية الجودة وخبرة مجموعات البحث الأكاديمي السابقة بشكل جيد، واستثمر جهدًا أكبر في تدريب النماذج لإيجاد الحل الأمثل. أداء AlphaFold 2 مذهل حقًا».

ومن المعروف أن CASP15 اللاحق هو حدث ذو وزن ثقيل في "عصر ما بعد AlphaFold 2". مع تزايد شعبية الذكاء الاصطناعي المبتكر في التنبؤ ببنية البروتين، زاد عدد الفرق المشاركة بشكل كبير، وحظيت المنافسة باهتمام أوسع نطاقًا. من الأبحاث الأساسية إلى الأبحاث التطبيقية، ومن الأوساط الأكاديمية إلى الصناعة، يتطلع الجميع إلى المزيد من المفاجآت.هذه هي المرة الرابعة التي يشارك فيها Zheng Wei في CASP. لقد شهد الانتقال من تحسين الهيكل إلى التنبؤ بالهيكل واكتسب خبرة غنية.وفي المنافسة الأكثر كثافة، فازت خوارزمية DI-TASSER وخوارزمية DMFold-Multimer التي طورها ببطولات متعددة في مسابقات مختلفة.

السنة هي 2024.وصل CASP16 في الموعد المحدد، وقاد هو، الذي عاد إلى جامعة نانكاي، الفريق للمشاركة مرة أخرى.أصبحت المسارات والأحداث التي شارك فيها أكثر اتساعًا، وبما أن AlphaFold 3 كان مفتوح المصدر، فقد اختار "الالتزام بالجذور" ولا يزال يتولى زمام المبادرة في مسارات متعددة.

بعد الإعلان عن النتائج، كان لشركة HyperAI شرف إجراء مقابلة معمقة مع البروفيسور Zheng Wei. ومن خلال هذه المسابقة الدولية، التي تعد حدثًا رائدًا، قام بتحليل اتجاهات تطوير الصناعة الحالية بالنسبة لنا وساعدنا في تلخيص مسار نمو الباحثين في مجال الذكاء الاصطناعي للعلوم بناءً على تجربته الشخصية.

أيضًا،كما سيلقي البروفيسور تشنغ وي محاضرة في الساعة 19:00 يوم 15 يناير.في شكل بث مباشر عبر الإنترنت، سيشاركون معنا إنجازاتهم بعمق - التنبؤ بالبنية ثلاثية الأبعاد للجزيئات البيولوجية وتفاعلاتها بناءً على التعلم العميق. يرجى تحديد موعد للمشاهدة!

البدء باستخدام CASP، من التحسين إلى التنبؤ

حصل تشنغ وي على درجة البكالوريوس والماجستير والدكتوراه من جامعة نانكاي. درس في البداية علم المعلومات في كلية الرياضيات، ولكن الكلية كانت قد فتحت بالفعل دورة في المعلوماتية الحيوية في ذلك الوقت، وكان العديد من المعلمين يعملون أيضًا على بنية البروتين. لذلك عندما قرر التحول من البحث الرياضي الأساسي إلى التطبيق، اختار هذا الاتجاه. "لقد واجهت المشكلة أولاً، ثم واجهت الأداة."خلال دراسته للماجستير، بدأ التركيز على الأبحاث في مجال بنية البروتين. في ذلك الوقت، كان تطبيق الذكاء الاصطناعي في هذا المجال أقل شمولاً بكثير مما هو عليه اليوم، لذا كانت الأدوات التي اتصل بها "متنوعة نسبيًا"، بما في ذلك الأدوات الإحصائية، والخوارزميات التقليدية، والتعلم الآلي، والتعلم العميق، وما إلى ذلك.

مثل جميع الخريجين، كان يتردد ويكافح عندما اقترب من نهاية درجة الماجستير - هل يستعد للعمل أم يواصل دراساته للدكتوراه؟ "أثناء دراستي التبادلية في جامعة كيو في اليابان، شعرت بالجو الأكاديمي الغني وأصبحت أكثر تصميماً على مواصلة طريق البحث العلمي." والآن، عندما أفكر في الأمر، أجد أن برنامجي التبادل الدراسي في اليابان والولايات المتحدة كان لهما تأثير عميق عليه.

في عام 2015، خلال العامين الأخيرين من دراسته للدكتوراه، ذهب إلى جامعة ميشيغان في الولايات المتحدة للتدريب المشترك وتطور بسرعة في مختبر البروفيسور تشانغ يانغ.

"شكرًا للأستاذ تشانغ يانغ على تعريفني بمجال التنبؤ الهيكلي."كما ذكر أعلاه، شارك Zheng Wei في CASP ثلاث مرات مع مختبر البروفيسور Zhang Yang. وفي هذه المسابقة المعروفة باسم "المسابقة الأولمبية للتنبؤ ببنية البروتين"، اكتسب الكثير من الخبرة العملية.

وبعد أشهر قليلة من وصوله إلى الولايات المتحدة، شارك في مسابقة تحسين بنية البروتين CASP12 (التكرير). لقد كان مبتدئًا ولم تكن نتائجه مثالية، لكنها كانت كافية لجعله يرى اهتماماته بوضوح -إذا كان بإمكانك تحسين دقة الهياكل التي يتنبأ بها الآخرون، فلماذا لا تقوم أنت بالتنبؤ ببنية البروتين بنفسك؟

"استنادًا إلى هذه الفكرة المنطقية البسيطة، قررت القيام بالتنبؤ بالهيكل بشكل مباشر." وفي CASP13، اتبع البروفيسور تشانغ يانغ وركز على التنبؤ بالبنية، بدءًا من مطابقة القالب واسترجاع القالب. ثم قام ببناء خوارزمية CEthreader تعتمد على التنبؤ ببنية القالب، وتعاون مع أعضاء آخرين في الفريق لتطوير خادم الخوارزمية CI-TASSER، والذي فاز بالمركز الأول في مجموعة الخوادم.

كما أن النجاح الذي حققه في المنافسة الصناعية منحه الكثير من الثقة: "أعتقد أن التنبؤ الهيكلي ليس سيئًا وهناك شيء يمكن القيام به، لذلك بدأت في الخوض بشكل أعمق في هذا المجال".

عند النظر إلى عملية الانتقال من التحسين الهيكلي إلى التنبؤ الهيكلي، اعترف تشنغ وي بأن "هناك تحديات، ولكن هناك أيضًا نقاط مشتركة".أولاً،إن منهجيات الاتجاهين عبارة عن مجموعتين من الأنظمة، ومن المستحيل أن يتعلم أحدهما من الآخر أو ينقل الخبرة بشكل مباشر. ومن بين هذه التحديات، يتعين على "التحسين" أن يواجه صعوبة تتمثل في عدم تساوي جودة النماذج الأولية، وقد لا يكون هناك مجال كبير للتحسين، بل قد تكون هناك أخطاء. "التنبؤ" يبدأ من الصفر، ويمكن تخيل مدى الصعوبة.ثانيًا،كلاهما عبارة عن إحداثيات مكانية مثبتة على المستوى الذري ولديهما شيء مشترك من حيث الحركة المكانية أو التحول، لذلك "الأمر ليس صعبًا كما تصورناه".

بعد أن قرر التعمق أكثر في مجال التنبؤ بالبنية، شارك Zheng Wei في CASP14 وCASP15.في CASP15، ركزنا على منطقتين: مونومرات البروتين والمجمعات البروتينية، وفزنا بالبطولة في التنبؤ بالمجمعات البروتينية بنتيجة أعلى بكثير من نتيجة الفرق المشاركة الأخرى.

اتجاه الصناعة: التركيز على حل المشكلات العملية

باعتبارها مسابقة دولية تقام كل عامين، شهدت CASP، التي أقيمت لأول مرة في عام 1994، إنجازات صناعية مهمة لا حصر لها على مدار الثلاثين عامًا الماضية وتعكس بشكل جيد اتجاهات التنمية في مجال علم الأحياء. وقال البروفيسور تشنغ وي من CASP 5،لم يكن موضوع وشكل المنافسة في CASP من الأفكار التي ابتكرتها اللجنة المنظمة، بل كانت نتيجة مناقشات مكثفة بين الأعضاء.وسنعمل أيضًا على جمع الفرق المشاركة للاستماع إلى الاقتراحات وفهم القضايا التي تهم الصناعة في الوقت الحاضر.

ليس هناك شك في أن الفرق المشاركة في هذه المنافسة رفيعة المستوى كلها من الخبراء والعلماء الكبار الذين عملوا بعمق في هذا المجال لسنوات عديدة، ولديهم جميعًا رؤى فريدة في اتجاهات أبحاثهم الخاصة. كما قال تشنغ وي، "إن الاتجاهات التي يقترحها الجميع عندما نجلس معًا للمناقشة قد تكون هي الموضوعات الساخنة الحالية في علم الأحياء البنيوي الحسابي، أو الاتجاهات التي تحتاج إلى حل عاجل وترتبط ارتباطًا وثيقًا بعلم الأحياء".

بعبارة أخرى،تقدم CASP المشورة والحلول للقضايا الساخنة في الصناعة.

بالنظر إلى CASP16 الذي انتهى منذ فترة ليست طويلة،ويعتقد أن "القدرة التنافسية والصعوبة بشكل عام قد زادت مقارنة بما كان عليه الحال من قبل".أولا، زاد عدد الفرق المشاركة بشكل ملحوظ مقارنة بالأعوام السابقة. من المتوقع أن يشهد هذا العام أكبر عدد من الفرق المشاركة منذ انطلاق المسابقة، وتتركز هذه الفرق بشكل رئيسي في الأوساط الأكاديمية. ويشارك في المسابقة العديد من أعضاء CASP القدامى ذوي الخبرة، ما يجعل المنافسة شرسة للغاية. وفي الوقت نفسه، ووفقا لملاحظاته، في السنوات الأخيرة، شارك عدد متزايد من الفرق المحلية في مسابقة CASP وحققت نتائج ملحوظة. وبالإضافة إلى ذلك، تتزايد أيضًا نسبة الفرق الآسيوية. ومن بين هؤلاء، استفاد مجال المعلوماتية الحيوية الكوري من "التوظيف الجوي" للعديد من قادة الصناعة، وتغير حجم الفرق المشاركة بشكل كبير.

ثانياً، إن الصعوبة المتزايدة للمنافسة، من ناحية، ترمز إلى التحسن التكنولوجي الشامل في مجال التنبؤ ببنية البروتين، ومن ناحية أخرى، فإنها تؤكد أيضاً أن احتياجات الصناعة أصبحت أكثر وضوحاً، وبالتالي فإن هذه المنافسة "أكثر ميلاً إلى المشاكل البيولوجية العملية".

وفي حديثه عن اتجاه صعوبة CASP المتزايدة وأنواع الأسئلة الأوسع، حلل البروفيسور تشنغ وي أن هناك سببين رئيسيين.ومن ناحية أخرى، تتحسن دقة التنبؤ بالبروتين في الأوساط الأكاديمية والصناعية باستمرار.بين عامي 2015 و2020، كانت دقة التنبؤ ببنية المونومر البروتيني تتزايد بسرعة، وحقق المجتمع الأكاديمي نتائج مثمرة، "مما دفع مشكلة التنبؤ ببنية المونومر إلى ما يقرب من الحد الأقصى". وخاصة بعد إطلاق AlphaFold 2، الذي يجمع بين مزايا الصناعة ويتمتع بقدرات نموذجية أقوى، فقد رفع الدقة إلى مستوى جديد.

يمكن القول أنه "من الصعب تحسين دقة التنبؤ بمونومرات البروتين في بعض المجالات، لذلك بدأ الجميع يتجهون إلى البحث في مشاكل جديدة أخرى، مثل مجمعات البروتين، وتكوينات البروتين، وما إلى ذلك"، وينعكس هذا الاتجاه أيضًا بشكل مباشر في أسئلة المنافسة، ولكن هناك أبحاث أولية أقل في المجالات الجديدة، لذلك قد يؤدي ذلك إلى شعور الجميع بأن صعوبة الأسئلة قد زادت.

ومن ناحية أخرى، في المسابقات العشر الماضية أو نحو ذلك، كانت المواضيع التي قدمتها اللجنة المنظمة تحتوي بالفعل على بعض المعلومات والخلفية البيولوجية، "والتي كانت في الواقع منفصلة بعض الشيء عن المشاكل البيولوجية الفعلية". وفي الوقت نفسه، حققت الفرق المشاركة عمومًا أداءً جيدًا للغاية في هذا النوع من المواضيع. خذ التنبؤ ببنية مجمع البروتين كمثال. ويحتوي على بروتينين، A وB. وفي المسابقات السابقة، تم الإعلان عن محتوى ونسبة A وB لتقليل صعوبة التنبؤ بالبنية. ومع ذلك، في التطبيقات العملية، من الواضح أنه من المستحيل معرفة هذه المعلومات بوضوح.ولذلك، قامت هذه المسابقة أيضًا بتغيير إعداد الموضوع السابق، ليصبح أقرب إلى الوضع الفعلي، ويطلب من الفرق المشاركة التنبؤ بالهيكل الكامل من الصفر.

وقد أدى هذا في الواقع إلى "مفاجأة" للمتسابقين، بما في ذلك تشنغ وي. وأوضح أن اللجنة المنظمة أبلغت الأربعاء أنه سيتم إصدار الأسئلة ذات القاعدة 0 اعتبارًا من الأسبوع المقبل، ولم يتبق سوى 5 أيام لإعداد خط أنابيب جديد للمسابقة. لقد عمل الفريق "ليلاً ونهاراً، دون نوم" لتطوير خوارزمية صغيرة، واتصل بفريق استشاري مألوف من علماء الأحياء لمساعدتنا في الاستدلال والمعايرة بالتزامن مع الأدبيات البيولوجية.

بالإضافة إلى ذلك، أضافت CASP16 التنبؤ بتكوين الجزيئات الكبيرة المتعددة (ENSEMBLES) إلى المسارات الأصلية للتنبؤ ببنية مونومر البروتين (REGULAR)، والتنبؤ ببنية مجمع البروتين (MULTIMER)، وتقييم الدقة (EMA)، والتنبؤ ببنية الأحماض النووية (RNA)، والتنبؤ ببنية مجمع الربيطة (LIGAND). هناك العديد من المشاريع الفرعية في هذه المسارات الستة الرئيسية، وهناك أيضًا تداخلات بينها.

ورغم ذلك، تمكن تشنغ وي من تحقيق نتائج متميزة من خلال قيادته للفريق. ولم يقتصر هو وفريقه على المشاركة في 5 مسارات باستثناء ربط الجزيئات الصغيرة،وفي الوقت نفسه، قمنا ببناء خوارزميات منفصلة لمسارات مختلفة للتعامل مع التحديات.يحتل المرتبة الثانية في مجموعة مجال أحادي البروتين، والأولى في مجموعة خادم بوليمر الأحماض النووية (z-score>-2.0)، والأولى في تقدير دقة طي المركب بشكل عام، والأولى في التنبؤ بمجمعات البروتين والأحماض النووية، والأولى في درجة TM للتنبؤ بالتكوينات المتعددة.

ومن الجدير بالذكر أنه في 8 مايو، أي بعد أسبوع واحد من بدء CASP16، تم إطلاق خادم AlphaFold 3، وبدأت بعض الفرق المشاركة في محاولة استخدامه لاستبدال خوارزمياتها الخاصة. وقال بعد مناقشة الأمر مع الفريق: "كنا أكثر ثقة في ذلك الوقت، لذلك لم نستخدم AlphaFold 3 كثيرًا".قرروا "الالتزام بالجذور" وأصبحوا الفريق الوحيد في التصنيف الأعلى للتنبؤ ببنية المجمع البروتيني الذي لم يستخدم AlphaFold 3.

عندما تحدثنا عن ذلك الآن، ضحك البروفيسور تشنغ وي وقال: "في الوقت الحاضر، قد نكون واثقين قليلاً"، ولكن في رأيي، في ظل بيئة المنافسة عالية الضغط في ذلك الوقت، وفي مواجهة الوضع حيث كان لدى جميع المنافسين "قدرات مكدسة"، فإن اتخاذ مثل هذا القرار وتحقيق مثل هذه النتائج يتطلب الشجاعة والقوة.

مقدمة وتراكم AI4S

في الواقع، فإن سعي فريق Zheng Wei للحصول على الدعم الفني من علماء الأحياء في CASP16 هو أيضًا نموذج تعاون شائع في مجال الذكاء الاصطناعي للعلوم.

ويهدف ما يسمى بالذكاء الاصطناعي للعلوم إلى استخدام مزايا الذكاء الاصطناعي لمعالجة المشكلات الصعبة في مجالات البحث العلمي التقليدية، أو لتحسين الكفاءة والدقة. وهذا لا يتطلب فقط فهم احتياجات ونقاط الألم في مجال البحث، بل يتطلب أيضًا إتقان تكنولوجيا الذكاء الاصطناعي. ومن الواضح أن المواهب التي تتمتع بالخلفية متعددة التخصصات المذكورة أعلاه نادرة، وفي ظل هذا الاتجاه العام، بدأ العديد من الباحثين العلميين أيضًا في تعليم أنفسهم الذكاء الاصطناعي. وعلى نحو مماثل، يوجه الباحثون الذين يركزون على الذكاء الاصطناعي أو الحوسبة اهتمامهم بشكل متزايد إلى مجالات مثل الطب الحيوي، وكيمياء المواد، وعلوم المعلومات الجغرافية.

شارك البروفيسور تشنغ وي، الذي بدأ من مجال المعلومات،من سمات المعلوماتية الحيوية سهولة البدء، لكن عملية التراكم في منتصفها طويلة جدًا. كما أن الانفجار الذي يلي التراكم سريع نسبيًا، ولكنه سيدخل قريبًا في مرحلة اختناق، وقد يتطلب المزيد من التحسين فترة تراكم طويلة.

وعلى وجه التحديد، فإن الأبحاث المتعلقة بالبروتينات لديها في الواقع متطلبات فضفاضة نسبيا فيما يتعلق بالخلفية البيولوجية. "قد يستغرق الأمر شهرًا أو نحو ذلك للبدء إذا كنت تفهم 20 نوعًا من الأحماض الأمينية." والآن، حان الوقت لتطوير وتطبيق الخوارزميات لحل المشاكل العملية. تتطلب هذه العملية قدرًا معينًا من الوقت حتى تتراكم.وتذكر قائلاً: "خلال دراستي للماجستير، كنت أجمع معلومات أساسية عن الخوارزميات".

أصبح التنبؤ ببنية البروتين بمثابة نقطة انطلاق له للتغلب على فترة عنق الزجاجة. وخلال فترة تبادله ودراسته في مختبر البروفيسور تشانغ يانغ في جامعة ميشيغان، بدأ في التعمق أكثر في الأبحاث ذات الصلة مثل التنبؤ ببنية البروتين بمساعدة الذكاء الاصطناعي."خلال فترة ما بعد الدكتوراه، اكتسبت بعض الخبرة في هذا المجال وأنتجت النتائج تدريجيًا."

ومع تعمق الأبحاث واتساع نطاق التغطية، أصبح من الصعب تغطية جميع جوانب المشكلة من منظور "حسابي" أحادي الاتجاه، بل وأحياناً نواجه مواقف صعبة. وفي الوقت نفسه، تحتاج خوارزميات أو نماذج الذكاء الاصطناعي أيضًا إلى التكيف مع المشكلات البيولوجية الفعلية حتى يمكن تكرارها وترقيتها بشكل أفضل. لا تعمل بمعزل عن الآخرين. وفي هذه النقطة، يتعاون تشنغ وي ويتواصل باستمرار مع علماء الأحياء والفرق والمؤسسات ذات الصلة.

ومن المثير للاهتمام أنه كان يغرس في فريق علم الأحياء——لا تتوقع الكثير من الذكاء الاصطناعي، لأن معدل الخطأ لدينا قد يكون مرتفعًا للغاية.إنه يحترم البحث العلمي إلى درجة أنه عندما يواجه مشاكل عملية يمكن تنفيذها، فإنه يولي اهتماما كبيرا "للجمع بين الجاف والرطب، حيث يقدم كلا الجانبين المعلومات لبعضهما البعض ويكمل كل منهما الآخر، بحيث يمكن أن يكون التنفيذ أكثر صلابة".

العمل الجماعي والتطوير متعدد المجالات

في هذه المقابلة، شاركنا البروفيسور تشنغ وي تجربته وملاحظاته الصناعية في CASP. بعد متابعة رحلته من CASP12 إلى CASP16، بدا أن المؤلف قد رأى تحوله على مر السنين، من الاختيار الجاهل الأولي لتحسين البنية، إلى التحول بشكل حاسم إلى التنبؤ بالبنية، ثم إلى اكتشاف المتعة فيه، ثم إكمال تراكم واختراق تلو الآخر.

اليوم، انضم المزيد من المعلمين من جامعة نانكاي إلى فريق CASP. وقال البروفيسور تشنغ وي "نحن بحاجة إلى المزيد من المسارات، أو المزيد من الاتجاهات حتى يتمكن الجميع من العمل معًا والتعاون بناءً على مصالح الفريق". ولهذا السبب، لم يركز الفريق في CASP16 على المسارات التقليدية المفيدة، بل ركز على المجال بأكمله من أجل التطوير اللامركزي. هناك مكاسب وخسائر. عمومًا، قد لا تكون نتائجنا بجودة CASP15، لكن الفريق اكتسب خبرةً واسعة. وهذه أيضًا هي الطريقة الوحيدة في "منحنى التراكم". دعونا نتطلع إلى انفجار أكبر لفريق جامعة نانكاي في CASP ومجال المعلوماتية الحيوية بأكمله!

تجنيد الأعضاء الجدد

يقوم فريق المعلوماتية الحيوية في كلية الإحصاء وعلوم البيانات بجامعة نانكاي، حيث يعمل البروفيسور تشنغ وي، بتجنيد أعضاء جدد!

إذا كنت مهتمًا بعلم الأحياء البنيوي الحسابي، أو المعلوماتية الحيوية، أو علم البيانات، سواء كنت طالب ماجستير أو دكتوراه أو باحث ما بعد الدكتوراه، فنحن نرحب بك للانضمام إلى فريق البروفيسور تشنغ وي.

يمكن للطلاب المهتمين الاتصال بالبروفيسور تشنغ وي عبر الطرق التالية:

* البريد الإلكتروني: jlspzw@nankai.edu.cn

* وي تشات: 18622152765

نتطلع إلى انضمامك إلينا لاستكشاف أسرار العلوم معًا!