TransOmix
转录组学与多组学智能分析平台
TCGA RNA-Seq 数据分析一站式解决方案 — 从原始数据到论文图表，18 个分析模块覆盖全流程
18
分析模块
50+
R / Bioconductor 包集成
TCGA
数据源支持
V1.0
发布版本
推荐分析流程
数据准备
TCGA 数据上传 基因 ID 映射 样本分组
分析与功能注释
QC 质控 + DEGs GO / KEGG 富集 WGCNA 网络构建
临床转化与发布
生物标记预测 生存分析验证 结果图表导出
技术栈
R >= 4.1.0 + Shiny Dashboard
DESeq2 / edgeR / limma
clusterProfiler / WGCNA
ggplot2 / ComplexHeatmap / plotly
survival / GSVA / MCPcounter
快速入门
第一步 — 准备 TCGA RNA-Seq 数据：从 GDC Portal 下载数据并压缩为 ZIP
第二步
— 上传 ZIP 文件和
metadata.json
，依次点击数据预处理按钮
第三步 — 进入 QC 模块进行标准化和降维分析
第四步 — DEGs → GO/KEGG 富集 → WGCNA → Biomarker 依次分析
提示
— 各模块可使用
Examples
按钮加载示例数据快速体验
系统信息
版本: V1.0.0
R 版本: >= 4.1.0
许可证: GPL-3
平台: Linux / macOS / Windows
联系
数据输入
数据来源：GDC Data Portal
提示：先压缩数据为 ZIP，再上传
基因 ID 预处理
按顺序点击以下步骤:
导出
数据预览
临床数据（可选）
数据加载
预处理
降维方法
导出
质量控制分析结果
数据加载
分析参数
排序与选择
导出
差异表达基因分析
数据加载
GO 富集分析 (ORA)
图表类型 (ORA):
高级图表 (ORA):
GSEA 分析
GSEA 图表:
GO 富集分析结果
数据准备
分析参数
可视化设置
KEGG 通路富集分析
数据加载
分析参数
模块-性状分析
导出
WGCNA 共表达网络分析
数据加载
模型训练
模型评估
导出
生物标志物预测
数据加载
Cox回归
风险评分
导出
生存分析
数据加载
相关与对比
导出
免疫浸润分析
数据加载
对比分析
导出
通路评分分析
数据选择
单基因绘图
导出
临床特征相关性分析
分析参数
Reactome 富集
导出
DO / Reactome 富集分析
基因选择
Hub基因分析
导出
蛋白质互作网络分析
分析参数
单基因查询
导出
药物敏感性预测
数据上传
导出
ceRNA 网络分析
数据上传
导出
TMB / MSI 分析
数据上传
基因详情
导出
多组学整合分析
TransOmix
Comprehensive Transcriptomics & Multi-Omics Analysis Platform
Version 1.0.0 — June 2026
Author
Project History
Initiated: 2026, Shenzhen
Core Development: 2026
First Release: May 2026
Current Version: 1.0.0 (June 2026)
Development Status: Stable Release
Technical Stack
Framework: R Shiny + shinydashboard
Language: R (>= 4.1.0)
Key Libraries: DESeq2, clusterProfiler, WGCNA, survival, GSVA, visNetwork
Data Sources: TCGA, STRING, GDSC
License: GNU General Public License v3.0
Key Features
- 18 integrated analysis modules covering full transcriptomics workflow
- TCGA RNA-Seq data source support with metadata integration
- DESeq2 / edgeR / limma differential expression with interactive visualization
- GO / KEGG / DO / Reactome enrichment analysis (ORA & GSEA)
- WGCNA co-expression network and STRING PPI network analysis
- LASSO / Random Forest / SVM biomarker prediction with ROC evaluation
- Kaplan-Meier survival analysis and Cox regression models
- Immune infiltration deconvolution (MCPcounter + ESTIMATE)
Advanced Capabilities
- ssGSEA / GSVA sample-level pathway activity scoring
- Clinical feature correlation with gene expression patterns
- Drug sensitivity prediction via GDSC target database
- ceRNA network construction (miRNA-lncRNA-mRNA ternary)
- Tumor Mutation Burden (TMB) calculation and survival analysis
- Multi-omics integration (CNV + methylation + expression)
- visNetwork-based interactive network visualization
- Comprehensive downloadable results in PNG, HTML, and CSV formats
Citation & Acknowledgments
If you use TransOmix in your research, please cite:
Pang, X. (2026). TransOmix: A Comprehensive Transcriptomics & Multi-Omics Analysis Platform. R package version 1.0.0. Available at: https://github.com/TransOmix/TransOmix
Acknowledgments: This project was independently developed in Shenzhen, China. We gratefully acknowledge the open-source bioinformatics community, including the Bioconductor project, the R Core Team, and all package maintainers whose tools form the foundation of TransOmix.
Data Sources: TCGA data provided by the NCI Genomic Data Commons (GDC); Protein interaction data from STRING Consortium; Drug sensitivity data from GDSC (Genomics of Drug Sensitivity in Cancer).