Seminario de Título entregado a la Universidad de Chile en cumplimiento parcial de los requisitos para optar al Título de Ingeniero en Biotecnología Molecular. / En las últimas dos décadas se ha registrado un incremento significativo en la detección de cepas hipervirulentas y multi-resistentes del patógeno bacteriano Klebsiella pneumoniae, lo cual estaría ligado con el alto dinamismo y la rápida evolución de su genoma. Dentro de los elementos genéticos móviles (EGMs) que determinan dicho dinamismo se encuentran las islas genómicas (IGs), que corresponden a fragmentos de DNA de hasta 200 kb que se integran preferentemente en genes que codifican tRNAs (tDNAs). Se ha demostrado que las IGs de K. pneumoniae y otras enterobacterias portan una gran variedad de genes relacionados con virulencia y resistencia a antibióticos, por lo que su identificación y caracterización a partir del creciente número de genomas secuenciados de esta especie resulta altamente relevante. En esta dirección, el presente trabajo describe el desarrollo de una herramienta para identificar IGs asociadas a tDNAs que se basa en el análisis del contexto genómico de dichos genes, es decir, la organización e identidad de los genes que se encuentran adyacentes en el cromosoma. En una primera etapa, el programa identifica los tDNAs y su contexto para luego clasificarlos y nombrarlos. En una segunda etapa, el programa analiza la continuidad del contexto genómico conservado de cada tDNA y determina la presencia de IGs cuando una disrupción es identificada. El programa creado, se utilizó para analizar el genoma de 50 cepas de K. pneumoniae, donde los resultados obtenidos fueron comparados con la identificación de IGs realizada manualmente y curada en un estudio previo realizado por nuestro grupo. Como resultado, se logró identificar correctamente un 99,3% de todos los tDNAs presentes en dichas cepas, además de 303 IGs de un total de 308 IGs detectadas manualmente. Adicionalmente, el programa mostró un desempeño satisfactorio, aunque mejorable en la detección de integrasas y repetidos directos, detectando ambos elementos en 148 de las IGs identificadas. Finalmente, se comparó el desempeño del programa desarrollado y otros programas para la identificación de IGs en la detección y delimitación de la isla GIE492 caracterizada experimentalmente en un trabajo previo de nuestro grupo, determinando que la detección hecha por el programa desarrollado por nuestro grupo es más sensible y precisa que cualquiera de los otros programas utilizados. / In the last two decades, there has been a significant increase in the detection of hypervirulent and multi-resistant strains of the bacterial pathogen Klebsiella pneumoniae, which would be related to the high dynamism and rapid evolution of its genome. Within the mobile genetic elements (EGMs) that determine this dynamism are Genomic Islands (IGs), which correspond to DNA fragments up to 200 kb that are preferentially integrated into genes encoding tRNAs (tDNAs). It has been shown that IGs from K. pneumoniae and other species from Enterobacteriaceae carry a wide variety of genes related to virulence and antimicrobial drug resistance. Thus, their identification and characterization among the increasing number of sequenced genomes from this species is highly relevant. In this direction, this work describes the development of a bioinformatics tool intended to identify IGs associated to tDNAs based on the analysis of the genomic context of these genes, that is, the organization and identity of the genes that are adjacent to tDNAs in the chromosome. In the first step, the program identifies all the tDNAs and their contexts to classify and name them. In a second step, the program analyzes the continuity of the conserved genomic context for each tDNA, determining the presence of a putative IG when a disruption of such continuity is detected. Our program was used to analyze the genome of a set of 50 K. pneumoniae strains, where the results obtained were compared with the identification of IGs performed and cured manually in a previous study conducted by our group. As a result, 99.3% of all the tDNAs present in the strains were correctly identified. Also, the software predicted 303 IGs from a total of 308 IGs detected manually. Additionally, the program showed a good performance in the identification of integrases and direct repeats, detecting both elements in 148 of the IGs, although there is still room for improvement. Finally, we compared the performance of our software and other programs for the identification of IGs, in the detection and precise delimitation of the xi GIE492 island, which was characterized experimentally in a previous work of our group. We determined that the detection made by our program was more sensitive and precise than any of the other programs tested.