To identify potential biomarkers to distinguish familial Mediterranean fever (FMF) from sepsis. We recruited 28 patients diagnosed with typical FMF (according to the Tel Hashomer criteria), 22 patients with sepsis, and 118 age-matched controls. Serum levels of 40 cytokines were analyzed using multi-suspension cytokine array. We performed a cluster analysis of each cytokine in the FMF and sepsis groups in order to identify specific molecular networks. Multivariate classification (random forest analysis) and logistic regression analysis were used to rank the cytokines by importance and determine specific biomarkers for distinguishing FMF from sepsis. Fifteen of the 40 cytokines were found to be suitable for further analysis. Levels of serum granulocyte-macrophage colony-stimulating factor (GM-CSF), fibroblast growth factor 2, vascular endothelial growth factor, macrophage inflammatory protein-1b, and interleukin-17 were significantly elevated, whereas tumor necrosis factor-α (TNF-α) was significantly lower in patients with FMF compared with those with sepsis. Cytokine clustering patterns differed between the two groups. Multivariate classification followed by logistic regression analysis revealed that measurement of both GM-CSF and TNF-α could distinguish FMF from sepsis with high accuracy (cut-off values for GM-CSF = 8.3 pg/mL; TNF-α = 16.3 pg/mL; sensitivity, 92.9%; specificity, 94.4%; accuracy, 93.4%). Determination of GM-CSF and TNF-α levels in combination may represent a biomarker for the differential diagnosis of FMF from sepsis, based on measurement of multiple cytokines.

中文翻译：

---

粒细胞-巨噬细胞集落刺激因子和肿瘤坏死因子-α 的组合是区分家族性地中海热和败血症的有用诊断生物标志物

确定潜在的生物标志物，以区分家族性地中海热 (FMF) 和败血症。我们招募了 28 名诊断为典型 FMF（根据 Tel Hashomer 标准）的患者、22 名败血症患者和 118 名年龄匹配的对照。使用多悬浮细胞因子阵列分析了 40 种细胞因子的血清水平。我们对 FMF 和败血症组中的每种细胞因子进行了聚类分析，以确定特定的分子网络。多变量分类（随机森林分析）和逻辑回归分析用于按重要性对细胞因子进行排序，并确定用于区分 FMF 和败血症的特定生物标志物。发现 40 种细胞因子中有 15 种适合进一步分析。血清粒细胞-巨噬细胞集落刺激因子 (GM-CSF)、成纤维细胞生长因子 2、与脓毒症患者相比，FMF 患者的血管内皮生长因子、巨噬细胞炎症蛋白-1b 和白细胞介素-17 显着升高，而肿瘤坏死因子-α（TNF-α）显着降低。两组之间的细胞因子聚类模式不同。多变量分类和逻辑回归分析表明，GM-CSF 和 TNF-α 的测量可以高精度地区分 FMF 和败血症（GM-CSF 的临界值 = 8.3 pg/mL；TNF-α = 16.3 pg/mL ；敏感性，92.9%；特异性，94.4%；准确度，93.4%）。基于多种细胞因子的测量，联合测定 GM-CSF 和 TNF-α 水平可能代表鉴别诊断 FMF 与败血症的生物标志物。与脓毒症患者相比，FMF 患者的 IL-17 和白细胞介素 17 显着升高，而肿瘤坏死因子-α（TNF-α）显着降低。两组之间的细胞因子聚类模式不同。多变量分类和逻辑回归分析表明，GM-CSF 和 TNF-α 的测量可以高精度地区分 FMF 和败血症（GM-CSF 的临界值 = 8.3 pg/mL；TNF-α = 16.3 pg/mL ；敏感性，92.9%；特异性，94.4%；准确度，93.4%）。基于多种细胞因子的测量，联合测定 GM-CSF 和 TNF-α 水平可能代表鉴别诊断 FMF 与败血症的生物标志物。与脓毒症患者相比，FMF 患者的白细胞介素 17 和白细胞介素 17 显着升高，而肿瘤坏死因子-α（TNF-α）显着降低。两组之间的细胞因子聚类模式不同。多变量分类和逻辑回归分析表明，GM-CSF 和 TNF-α 的测量可以高精度地区分 FMF 和败血症（GM-CSF 的临界值 = 8.3 pg/mL；TNF-α = 16.3 pg/mL ；敏感性，92.9%；特异性，94.4%；准确度，93.4%）。基于多种细胞因子的测量，联合测定 GM-CSF 和 TNF-α 水平可能代表鉴别诊断 FMF 与败血症的生物标志物。两组之间的细胞因子聚类模式不同。多变量分类和逻辑回归分析表明，GM-CSF 和 TNF-α 的测量可以高精度地区分 FMF 和败血症（GM-CSF 的临界值 = 8.3 pg/mL；TNF-α = 16.3 pg/mL ；敏感性，92.9%；特异性，94.4%；准确度，93.4%）。基于多种细胞因子的测量，联合测定 GM-CSF 和 TNF-α 水平可能代表鉴别诊断 FMF 与败血症的生物标志物。两组之间的细胞因子聚类模式不同。多变量分类和逻辑回归分析表明，GM-CSF 和 TNF-α 的测量可以高精度地区分 FMF 和败血症（GM-CSF 的临界值 = 8.3 pg/mL；TNF-α = 16.3 pg/mL ；敏感性，92.9%；特异性，94.4%；准确度，93.4%）。基于多种细胞因子的测量，联合测定 GM-CSF 和 TNF-α 水平可能代表鉴别诊断 FMF 与败血症的生物标志物。