案例
探索用 OmicOS 完成的真实案例——从论文复现到单细胞、空间与多组学分析,我们正在陆续整理出来。
单细胞分析

cell_cell_communication_free
细胞通讯 · CellPhoneDB
用 10x pbmc3k 注释好之后,用 CellPhoneDB v5 找细胞类型之间的配体-受体通讯对

cell_cell_communication_pro
细胞通讯 · LIANA
用 10x pbmc3k 注释好之后,用 LIANA 推细胞间通讯,看看哪些配体-受体对介导 myeloid 和 T 细胞之间的

single_cell_annotator_free
细胞类型注释 · 免费版
用 10x pbmc3k(健康人外周血)这份数据,先聚类,再给每个 cluster 注释细胞类型,species=Human、t

single_cell_annotator_pro
细胞类型注释 · 文献证据版
用 10x pbmc3k(健康人外周血)这份数据,聚类后给每个 cluster 注释细胞类型,并给可审计的文献证据,specie

single_cell_downstream_analyst_pro
单细胞下游功能分析
用 10x pbmc3k 注释好之后,做下游功能分析:细胞组成 + 基因模块 / 通路富集

single_cell_epigenomics_analyst
单细胞表观 · scATAC
下载 10x 的 atac_v1_adult_brain_fresh_5k 这份单细胞 ATAC 数据,跑 QC + itera

single_cell_grn_analyst
基因调控网络 GRN
用 10x pbmc3k 注释好之后,用 GRNBoost2 推一个基因调控网络,画出按细胞类型的 top TF regulon

single_cell_preprocessor
单细胞预处理 · QC→聚类→Marker
帮我下载 10x 官方的 pbmc3k(3k 健康人 PBMC)这份单细胞数据,跑一遍完整预处理:QC、归一化、HVG、PCA、

single_cell_trajectory_free
细胞分化轨迹 · 免费版
帮我下载 GSE132188 这份小鼠胰腺内分泌发育的单细胞数据,用 PAGA/DPT 估个 pseudotime

single_cell_trajectory_pro
细胞分化轨迹 · 专业版
下载 GSE132188 小鼠胰腺内分泌发育单细胞数据,用 DPT + PAGA 跑轨迹推断,报告主要分化分支和 pseudot
Bulk / 多组学

bulk_rna_analyst
Bulk RNA-seq 差异表达
下载 GSE52778(地塞米松处理的人气道平滑肌 bulk RNA-seq,dex vs 对照),跑差异表达 + 富集分析

cancer_dependency_analyst
癌症依赖图谱 · DepMap
从 DepMap 最新 release 取 CRISPR 基因依赖矩阵(CRISPRGeneEffect),找乳腺癌里哪些基因是

immune_repertoire_analyst_pro
免疫组库 TCR/BCR
下载 10x 官方的 vdj_v1_hs_pbmc3(人 PBMC 配对 TCR/BCR + GEX),跑链 QC → 克隆型

metabolomics_analyst_pro
代谢组学 / LC-MS 分析
下载 MetaboLights MTBLS404(Sacurine LC-MS 尿液代谢组),按表型分组跑差异 + KEGG 通

microbiome_analyst_pro
微生物组 16S 分析
下载 QIIME2 经典教程的 Moving Pictures 16S 数据,做 α/β 多样性 + UniFrac + 差异丰

proteomics_analyst_pro
蛋白质组学差异分析
下载 PRIDE PXD002170(膀胱肿瘤蛋白质组),跑 QC、缺失诊断、差异表达 + 富集

single_ev_analyst_pro
单囊泡 / EV 蛋白组
下载 PRIDE PXD012162(乳腺癌细胞外囊泡蛋白质组),跑 QC + 污染评分 + 差异分析(注意:若拿不到单囊泡分辨

statistical_genetics_analyst
统计遗传学 GWAS
下载 GWAS Catalog 的 GCST006867(Mahajan 2018 2型糖尿病 summary statisti

tabular_genomics_analyst
表格基因组学关联
下载 TCGA-CDR 这份 Pan-Cancer 临床数据表,挑一个癌种,做生存相关的多特征关联分析(控制年龄、性别),给 F
结构 / 分子生物学

antibody_engineer
抗体序列 liability 扫描
这是我一条候选治疗抗体的重链可变区,准备进 developability 评估。帮我做序列层面的 liability 扫描(脱酰

phase_separation_analyst
相分离 / IDR 表征
这是一段我怀疑会相分离的 IDR。帮我做序列表征:sticker-spacer patterning(kappa、SCD)、电荷

phylogenomics_analyst
系统发生 / 比对质量
从 PhyKIT 的 GitHub 仓库(JLSteenwyk/PhyKIT)取示例的多序列比对和基因树,评估比对质量、pars

primer_design_assistant
qPCR 引物设计
我有一组人(Homo sapiens)bulk RNA-seq 差异基因要做 qPCR 验证:TP53、MDM2、CDKN1A、

structural_biologist
蛋白结构预测与功能
我从一个非模式生物里克隆到一段 76aa 的小蛋白,完全不知道功能。帮我预测它的三维结构、判断最可能的功能、并找出结构上最相似的

variant_analyst
蛋白突变效应打分
我在做 TP53 R175 热点的饱和突变实验,想先在计算上预测哪些替换最可能致病。把这个位点的 19 种氨基酸替换分别用 Al
文献 / 临床 / 写作

clinical_translator_free
临床转化 · 标准用药
我的患者是 EGFR L858R 的 NSCLC,一线该用什么靶向药?如果之后出现 T790M 耐药,又有什么后续选择?

clinical_translator_free
临床转化 · 临床试验
我的 RNA-seq 发现 KRAS 和 MET 同时上调,这两个靶点现在分别有哪些在招募的临床试验?有没有针对它们的联用方案?

clinical_translator_pro
临床转化 · 可成药性
这是我肿瘤 vs 正常的上调差异基因:EGFR, KRAS, MYC, CDK4, BCL2, FGFR1, MET, AURK

humanize
文风润色 · 去 AI 味
把这段话里的 AI 套话和翻译腔去掉,事实和数据都别动,让它读起来像真人写的:In this study, we delve i

literature_free
文献检索 · 免费版
我在准备空间转录组的组会汇报,帮我把最近一年这个领域最重要的几篇综述和方法学进展找出来,重点关注单细胞分辨率和 3D 空间重建这

literature_pro
文献检索 · 专业版
帮我梳理胶质母细胞瘤缺氧微环境的文献,重点是 HIF-1α 怎么驱动免疫抑制(招募髓系抑制细胞、让 CD8 T 细胞耗竭)。近五

paper_critic
论文审稿 · 统计核查
帮我审这个分析的统计:作者两组各 3 个生物学重复,对两万个基因逐个做 t 检验,只报 p<0.05 的约 1800 个基因当差

quality_review
投稿前质量自查
我的 methods 写完了,按投稿前的 checklist 打分,并指出哪些地方因为信息缺失而不可复现:We performe

scientific_writer
科研写作 · Results
把这组结果写成 results 的一段:处理组(n=5) vs 对照(n=5),干扰素应答基因 IFI27、ISG15、MX1
编排 / 工具

GEO-everything
GEO 数据检索
帮我找一个适合做黑色素瘤免疫治疗反应预测的公开数据集:最好有 anti-PD-1 治疗前的肿瘤样本 + responder/no

omicverse_omni
通用全能助手
帮我在工作区造一个示例基因表达表(6 个基因 × 8 个样本、分两组),做个简单的两组差异比较(t 检验),把显著的基因列出来,

vertical_agent_selector
智能 Agent 路由
我有一份已经注释好细胞类型的肿瘤单细胞数据,想看肿瘤细胞和 T 细胞之间的配体-受体通讯,还想顺便看看 T 细胞的分化轨迹——这

analysis_strategist
分析策略架构师
我手上有一份注释好的肿瘤 scRNA-seq,外加一份配对的 bulk 代谢组,想看治疗诱导的代谢-细胞类型耦合。你觉得该怎么组



