Bien que l’hétérogénéité des désordres génétiques nous limite dans l’identification du gène causal avec les approches diagnostiques conventionnelles, le séquençage de l’exome a permis d’accroitre le nombre de diagnostics moléculaires posés récemment. Par contre, le grand nombre de variants identifiés par cette méthode pose un défi significatif dans l’interprétation clinique de ses variants. Nous avons donc élaboré PhenoVar, un logiciel qui intègre les données phénotypiques et génotypiques pour retourner une courte liste de diagnostics potentiels. Nous voulons valider cette approche par phénotype au niveau clinique et montrer qu’elle peut être efficace pour diagnostiquer des patients atteints de maladies génétiques rares. Pour ce faire, le séquençage de l’exome a été effectué sur une cohorte de 51 patients. Ceux-ci présentent des dysmorphismes avec ou sans désordres neurodéveloppementaux dont l’étiologie reste indéterminée après plusieurs analyses conventionnelles. Suite au séquençage de l’exome, un pipeline d’analyse bio-informatique nous a permis de filtrer les variations pour garder seulement les variations rares, codantes, ayant une bonne qualité et pour éliminer les artéfacts de séquençage. Ensuite, pour analyser ces variations filtrées, une analyse manuelle et une analyse avec PhenoVar ont été faites. L’analyse manuelle consiste à regarder manuellement chaque variation pour voir son impact et identifier le diagnostic, sans regarder le phénotype du patient. Puis, Exomiser, un autre logiciel utilisant le phénotype, a été utilisé pour comparer les performances de PhenoVar. En comparaison avec l’analyse manuelle, PhenoVar nous a permis de diminuer de six fois le temps d’analyse et de diminuer de moitié le nombre de diagnostics potentiels. Avec ces deux méthodes, nous avons pu trouver le diagnostic moléculaire de 18 patients, soit un rendement diagnostic de 35%. Il est à noter qu’un diagnostic a été manqué par PhenoVar. Cependant, ce diagnostic a été récupéré en enlevant un filtre au niveau du phénotype. De plus, parmi les diagnostics effectués, 16 (89%) se retrouvent dans les dix premiers rangs de PhenoVar, tandis que seulement 10 (56%) se retrouvent dans les dix premiers rangs d’Exomiser. En conclusion, PhenoVar est supérieur à Exomiser pour trouver un diagnostic dans les dix premiers rangs. De plus, il se compare à l’analyse manuelle tout en diminuant le temps d’analyse et le nombre de variants. / Abstract: Although the heterogeneity of genetic disorders limits our capacity to identify the causal gene with conventional approaches, exome sequencing has increased the diagnostic yield. However, the large number of variants identified by this method poses a significant challenge in their clinical interpretation. Thus, we developed PhenoVar: a software that integrates phenotypic and genotypic data and produces a short list of potential diagnoses. The objective of this study is to validate this phenotype-based approach on a clinical level and show that it can be efficient to diagnose patients with rare genetic disorders. Exome sequencing was performed on a cohort of 51 patients. These presented with dysmorphic features with or without neurodevelopmental disorders of undetermined etiology, following conventional analysis. Following exome sequencing, a bioinformatics pipeline allowed us to filter variations, keeping only rare coding variations harboring high quality. Then, we analysed these filtered variations with both manual analysis and PhenoVar. In the manual analysis each variant was manually examined to determine its impact and to identify the diagnosis without taking the patient’s phenotype into consideration. Then, Exomiser, another phenotype-based tool, was used to compare PhenoVar’s performances. In comparison to the manual analysis, PhenoVar has allowed us to reduce the analysis time by six-fold and to reduce by half the number of potential diagnoses. With both methods, we found the molecular diagnosis in 18 patients; a rate of 35%. Moreover, among these diagnoses, 16 (89%) are found in the top 10 ranks of PhenoVar, compared to only 10 (56%) for Exomiser. In conclusion, PhenoVar proved to Exomiser in prioritizing the correct diagnosis in the top 10 ranks. Finally, diagnostic yield of PhenoVar is comparable to the manual analysis while reducing the analysis time and the number of variants.

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.