Las bacterias probióticas son microorganismos con efectos beneficiosos para la salud humana y actualmente se utilizan en numerosos suplementos alimenticios. Sin embargo, ningún proceso de selección es capaz de distinguir eficazmente los probióticos de los organismos no probióticos en función de sus características genómicas. En el estudio actual, se emplearon cuatro algoritmos de Aprendizaje Automático para identificar con precisión las bacterias probióticas basándose en sus características de ADN. Aunque las precisiones de predicción de todos los algoritmos fueron excelentes, la Red Neuronal obtuvo las puntuaciones más altas en todas las métricas de evaluación, logrando discriminar los probióticos de los no probióticos con una precisión superior al 90%. Curiosamente, nuestro análisis también destacó el contenido informativo de las secuencias de tRNA como la característica más importante para distinguir los dos grupos de organismos, probablemente porque los tRNAs tienen funciones regulatorias y podrían haber permitido a los probióticos evolucionar más rápido en el entorno del intestino humano. A través de la metodología presentada aquí, también fue posible identificar siete nuevos probióticos prometedores que tienen un mayor contenido informativo en sus secuencias de tRNA en comparación con los no probióticos. En conclusión, demostramos por primera vez que los métodos de Aprendizaje Automático pueden discriminar entre organismos probióticos humanos y no probióticos, subrayando la información dentro de las secuencias de tRNA como la característica genómica más importante para distinguirlos.