Phenotype-based analysis of exome sequencing for the molecular diagnosis of polymalformative syndromes

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