INTRODUCTION : Les syndromes polymalformatifs constituent un large groupe de maladies génétiques dont l'hétérogénéité limite notre capacité à identifier le gène causal à l’aide des investigations conventionnelles. Le séquençage de l'exome en clinique offre une solution à cette limitation et est maintenant disponible en recherche ou dans quelques laboratoires cliniques aux États-Unis. L'utilisation systématique du séquençage de l'exome reste encore entravée par notre capacité à gérer les trouvailles accidentelles et à prédire efficacement le ou les changements causals à partir de plusieurs milliers de variants. Ainsi, pour faciliter l'analyse de l'exome et accélérer l'implémentation du séquençage de l'exome en clinique, nous avons développé, et récemment publié à ce sujet, un logiciel nommé PhenoVar. Celui-ci intègre les données génotypiques et phénotypiques, puis suggère à l’utilisateur une courte liste priorisée de diagnostics potentiels pour révision. Nous présentons ici les données préliminaires de la validation de PhenoVar chez des patients atteints de syndromes polymalformatifs indéterminés, en comparaison à l'analyse bio-informatique standard. MÉTHODE : Un total de 27 patients atteints de syndromes polymalformatifs d'étiologie génétique probable a été accepté pour le séquençage de l'exome. Un résultat normal a été obtenu pour chaque patient lors d’une analyse d'hybridation génomique comparative sur micropuce et reste sans diagnostic clair après le test de quelques gènes susceptibles par séquençage Sanger. À ce jour, nous avons réalisé le séquençage de 22 patients. Un médecin généticien a effectué l'analyse de ces patients utilisant PhenoVar, en parallèle à l'analyse standard réalisée par l'équipe de bio-informatique. RÉSULTATS : En moyenne, PhenoVar a réduit le nombre de diagnostics potentiels à réviser de façon manuelle à 20 par patient, en comparaison à 64 pour l'analyse bio- informatique conventionnelle. Nous avons obtenu un rendement diagnostique global de 50% (11/22) et de 45% avec PhenoVar. Neuf fois sur onze, le bon diagnostic s’est retrouvé dans les dix premiers diagnostics de la liste de PhenoVar. Nous avons aussi identifié une variation pathologique dans BRCA2, trouvaille accidentelle réalisée durant l’analyse conventionnelle et remise au patient avec son consentement. L’outil PhenoVar permet de masquer ce type de diagnostics sans lien avec la présentation clinique. La dépendance à l’égard des bases de données s’est avérée être une limite de notre approche. CONCLUSION : Nos résultats préliminaires suggèrent que le séquençage de l'exome combiné avec PhenoVar, en utilisant une approche axée sur le phénotype, conduit à un rendement diagnostique similaire à l'analyse bio-informatique standard et réduit le nombre de diagnostics à réviser. Comme il peut être utilisé directement par les médecins généticiens, ce logiciel pourrait faciliter l'utilisation de routine du séquençage de l'exome dans un cadre clinique. / BACKGROUND : Polymalformation syndromes consist in a large group of heterogeneous genetic disorders, for which our ability to identify the causative gene using conventional investigations remains limited. Exome sequencing offers a solution and is now available either on a research basis or in few USA clinical laboratories. Routine utilization of exome sequencing is still hindered by our capacity to manage accidental findings and to predict effectively the causative change(s) out of several thousands of variants. To facilitate exome analysis and accelerate implementation of exome sequencing in clinical practice, we have developed and recently published a software named PhenoVar. This software integrates the patient’s phenotype to the genotype data and suggests to the physician-user a short list of prioritized potential diagnoses for review. Here, we present the preliminary results of PhenoVar validation in patients affected with an undetermined polymalformation syndrome, in comparison to standard bioinformatics analysis. METHODS : A total of 27 patients with polymalformative syndromes of likely genetic etiology were accepted for exome sequencing. Each patient has a normal CGH array and remains without a clear diagnosis after Sanger sequencing-based gene tests. To date, we completed the sequencing of 22 patients. A medical geneticist performed the analysis on these patients using PhenoVar, in parallel of the standard analysis done by the bioinformatics team. RESULTS : On average, PhenoVar reduced the number of potential diagnoses for manual review to 20 per patient in comparison to 64, for standard bioinformatics analysis. We obtained a global diagnostic yield of 50% (11/22) and a yield of 45% with PhenoVar. Nine times out of eleven, the correct diagnosis was found in the top ten diagnoses of the PhenoVar’s list. We also identified a pathological variant in BRCA2, accidental finding made during the conventional analysis and given to the patient who provided consent. PhenoVar allows hiding such diagnoses unrelated to the clinical presentation. Dependency on central databases has proven to be a limitation of our approach. CONCLUSION : Our preliminary results suggests that exome sequencing combined with PhenoVar, using a phenotype-driven approach, led to a similar diagnostic yield than standard bioinformatics analysis and reduced the number of diagnoses to review. Since it can be used directly by medical geneticists, this software could facilitate routine utilization of exome sequencing in clinical practice.