目的 本研究旨在筛选出能够区分早发型与晚发型子痫前期的遗传标志物，并评估这些标志物的区分能力。方法 从GEO数据库获取早发型及晚发型子痫前期数据集(GSE74341、 GSE190639及GSE4707数据集),以GSE74341和GSE190639数据集为实验组，GSE4707数据集为验证组，筛选并验证早发型子痫前期与晚发型子痫前期间的差异表达基因。应用最小绝对值收缩与选择算子(least absolute shrinkage and selection operator, LASSO)及支持向量机-递归特征消除(support vector machines-recursive feature elimination, SVM-RFE)两种机器学习方法筛选特征遗传标志物，并通过受试者工作特征(receiver operating characteristic, ROC)曲线评估特征遗传标志物的区分能力。结果 与早发型子痫前期相比，检出7个显著上调基因和3个显著下调基因。通过两种机器学习的方法及在验证组中进行基因表达差异分析，共同筛选出1个特征遗传标志物(MME)。ROC曲线的曲线下面积(area under the curve, AUC)在实验组及验证组中分别为0.975(95%CI:0.921～1.000)及1(95%CI:1.000～1.000)。结论 MME可能作为区分早-晚发型子痫前期的特征遗传标志物。