Identificar características genómicas relevantes que pueden actuar como marcadores pronósticos para construir modelos predictivos de supervivencia es uno de los temas centrales en la investigación médica, que afecta el futuro de la medicina personalizada y las tecnologías ómicas. Sin embargo, la alta dimensión de los datos ómicos a nivel genómico, la fuerte correlación entre las características y el bajo tamaño de la muestra aumentan significativamente la complejidad del análisis de supervivencia en el cáncer, lo que exige el desarrollo de métodos estadísticos y software específicos. Aquí presentamos un nuevo paquete de R, (COx Survival Methods based On NETworks), que proporciona un flujo de trabajo completo desde el preprocesamiento de datos ómicos hasta la selección de firmas génicas y la predicción de resultados de supervivencia. En particular, implementa (i) tres enfoques de selección diferentes para reducir la dimensión inicial de los datos desde un espacio de alta dimensión a una escala moderada, (ii) un algoritmo de regresión de Cox penalizado en red para identificar la firma génica, (iii) varios enfoques para determinar un punto de corte óptimo en el índice pronóstico () para separar a los pacientes de alto y bajo riesgo, y (iv) un paso de predicción para la clase de riesgo de los pacientes basado en la evaluación de . Además, proporciona funciones para preprocesamiento de datos, visualización, predicción de supervivencia y análisis de enriquecimiento génico. Ilustramos a través de un tutorial paso a paso de R utilizando dos conjuntos de datos de cáncer.