计算生物学家Aviv Regev喜欢挑战一些看似不可能完成的任务。2011年，她与分子遗传学家Joshua Levin合作，测试了RNA测序的几种方法。科学家希望找到这几种技术的极限，以查看哪种方法表现最佳。他们用降解RNA或极少量的分子处理样品。最终，Levin指出，一些技术的灵敏度非常高，能检测含量低于单细胞中含有的RNA量的样本。
对于Regev而言，这似乎是个好机会。她一直在寻找探索复杂的基因网络在单个细胞中的运作机制的方法，并想了解在各个细胞中这些网络有何差异，以及最终各种细胞群体如何协同工作。
这些答案将揭示细胞如何构建复杂生物体，如人类。就职于美国博德研究所的Regev和Levin对18个来自小鼠骨髓的、看似相同的免疫细胞进行了RNA测序，结果发现其中一些细胞与其余细胞的基因表达模式截然不同。它们就像两个不同的细胞亚型。
这使得Regev想进一步推进研究，即使用单细胞测序了解人体内存在多少种不同的细胞类型、它们在哪个部位，以及如何发挥作用。Regev的实验室同时对18个细胞进行了检测，一共测定了数十万个RNA的序列，并将单细胞分析与基因组编辑技术结合起来，以了解关键调控基因被抑制时会发生什么。
结果是发现了一些新的细胞类型，例如，识别两种新型视网膜神经元。但Regev还希望找到更多的细胞类型。2016年底，她帮助推出了“国际人体细胞图谱计划”。该计划准备对人体中所有(估计37万亿个)细胞进行分类和测序。
瑞典皇家理工学院微生物学家Mathias Uhlén指出，现在测绘单个细胞的研究越来越流行了。“但我认为，人体细胞图谱计划会是历史上最重要的生命科学项目之一，它甚至要比人类基因组计划更重要。”
纽约市纪念斯隆凯特琳癌症中心计算生物学家、认识Regev已有18年的Dana Peer表示，Regev就喜欢这种大规模项目。“Regev非常独特的一点就是她的视野非常开阔。我从未见过一个科学家，能同时深入而创新地思考这么多事情。”
悬而未决
当Regev还是以色列特拉维夫大学本科生时，学生们必须在开始学习之前选择一门课程。但她不想选。“太多有趣的事情了。”她说。最后，她选择了一个先进的跨学科项目，以便同时学习多个学科，跳过学士学位，直接攻读硕士。
Regev本科期间的转折点是得到了进化生物学家Eva Jablonka的指导。Jablonka提出了一个关于表观遗传进化的备受争议的理论。Regev佩服Jablonka面对批评的勇气和坦率。Regev认为，“容易的路总是很多，但选择走困难道路的人更让人印象深刻。”
Jablonka的课程有Regev喜爱的复杂遗传学问题。而且，她表示，“基因非常有趣，但更有趣的是基因之间的相互协作。而基因彼此协作的第一媒介是细胞。”
之后，Regev在以色列魏兹曼科学研究所Ehud Shapiro实验室攻读计算生物学博士学位。2003年，她搬到了哈佛大学鲍尔基因组学研究中心。在那里Regev拥有了属于自己的独立的小团队。
Regev着重于通过观察细胞中的RNA分子分析遗传网络。2004年，她将这种技术应用于肿瘤，由此发现了不同类型癌症共享的基因表达模式，以及一些更具体的基因表达模式。到2006年，35岁的她在博德研究所成立了自己的实验室。
打破相似性
在博德研究所，Regev致力于研究如何从RNA测序数据中筛选出复杂信息。2011年，她开发了一种在不使用参考基因组的情况下，组装出完整的转录组的方法，这种技术在生物体的基因组未被深入测序时非常很重要。
当时，Levin也提出了对单个细胞内RNA进行测序的前景。在此之前，单细胞基因组学几乎是不可能的，因为技术不够灵敏，无法检测一个细胞内的微量RNA或DNA。但2011年情况开始发生变化。
Regev等人使用18种免疫细胞——也是树突状细胞，测试相关方法。Regev当时的博士后、现在就职于纽约基因组中心的Rahul Satija提到，“我当时坚持实验会证明同样类型的细胞的检测结果是相同的。”然而结果并非如此，他发现了两种完全不同的细胞亚型。甚至即使是同一亚型里，个体细胞的调控表达和免疫基因都存在很大的差异。Regev回忆，那是很小的一个研究，但却发现了很多信息。
在标准遗传测序中，研究人员会从许多细胞的混合物中提取DNA或RNA，以产生整个细胞群体的平均读数。Regev将这种方法比喻成水果冰沙。颜色和味道能提示冰沙的成分，但是其中一个甚至十几个蓝莓的味道，很容易被一堆草莓覆盖。
相比之下，“单细胞数据就像水果沙拉。你可以轻而易举地将蓝莓和黑莓分开。”Regev说。这有助于揭示细胞的多样性。生物学家可以使用单细胞基因组学对肿瘤进行序列分析，以确定哪些基因被恶性细胞表达、哪些被非恶性细胞表达、哪些被免疫系统或血管表达——这可以推动新型癌症药物的开发。
