As síndromes de falência medular hereditária (SFMHs) compõem um grupo heterogêneo de doenças ultrarraras caracterizadas por uma ou mais citopenias e hipoplasia da medula óssea. As SFMHs são consequências de variantes genéticas germinativas que resultam na diminuição prematura de populações de células-tronco hematopoéticas e no aumento da predisposição a neoplasias. O uso de tecnologias de sequenciamento genético em larga escala vem acelerando o diagnóstico dessas doenças e inundando os laboratórios de pesquisa com dados genômicos. Devido ao alto custo para geração da informação e a sua relevância científica, urge a necessidade de uma gestão de dados mais eficiente. O presente trabalho objetivou avaliar o perfil genético dos pacientes com suspeita de SFMHs e desenvolveu uma ferramenta para auxiliar no gerenciamento e na visualização de dados genômicos e laboratoriais, garantido segurança, integridade, acessibilidade e reutilização dessas informações. Primeiramente, foram sequenciados 314 pacientes com suspeitas de SFMHs por meio painel multigênico para realização do diagnóstico genético. Em seguida, foi modelado um banco de dados relacional para armazenar essas informações de forma segura e garantir a integridade dos dados. Para facilitar o acesso aos dados armazenados, desenvolvemos um aplicativo web (BMF DataViz) como ferramenta de visualização interativa das informações geradas pelo estudo. A análise genética identificou variantes em genes associados as SFMHs, em 46,4% dos pacientes (146). Foram encontradas variantes em genes da biologia dos telômeros (81), da biogênese ribossomal (27), de mecanismos de reparo (13) e de outras vias (25). Quase um terço (31,9%) das variantes priorizadas no estudo ainda não haviam sido descritas nos maiores bancos públicos de variantes genéticas. Esses resultados revelam como países com perfis genéticos pouco conhecidos podem contribuir para ampliar o conhecimento etiológico de doenças ultrarraras. O uso da ferramenta de armazenamento e visualização proposta permitirá o acesso a informações genômicas, laboratoriais e clínicas vindas de uma fonte única de dados. Com mais dados acessíveis será possível realizar análises mais robustas, como treinar algoritmos de inteligência artificial para auxiliar no manejo clínico desses pacientes.

Inherited bone marrow failure syndromes (IBMFS) are a heterogeneous group of ultra-rare diseases characterized by one or more cytopenias and bone marrow hypoplasia. IBMFS are the consequence of germline genetic variants that result in a premature decrease in hematopoietic stem cell populations and an increased predisposition to neoplasms. The use of large-scale genetic sequencing technologies has accelerated the diagnosis of these diseases and inundated research laboratories with data from rare genomes. Given the high cost of generating this information and its scientific relevance, there is an urgent need for more efficient data management. The aim of this study was to evaluate the genetic profile of patients with suspected IBMFS and to develop a tool to support the management of genomic and laboratory data, ensuring the security, integrity, accessibility and reusability of this information. Firstly, 314 patients with suspected IBMFS were sequenced using a multigenic panel for genetic diagnosis. Then, a relational database was modeled to store this information securely and ensure data integrity. To facilitate access to the stored data, we developed a web application (BMF DataViz) as a tool for visualizing the information generated by the study. The genetic analysis identified variants in genes associated with IBMFS in 46.4% of the patients (146). Variants were found in genes related to telomere biology (81), ribosomal biogenesis (27), repair mechanisms (13), and other pathways (25). Almost a third (31.9%) of the variants prioritized had not previously been described in the largest public genetic databases. The knowledge generated by the finding of these novel variants will contribute to the differential diagnosis of other patients with suspected IBMFS. These results reveal how countries with unknown genetic profiles can contribute to expanding the etiological knowledge of ultra-rare diseases. The use of storage and visualization tools proposed will allow access to genetic and laboratory information from a single source of truth (SSOT). With more accessible data, it will be possible to perform robust analyses, including training artificial intelligence algorithms to assist in the clinical management of these patients.