La riqueza de las bases de datos biológicas proporciona un activo valioso para entender la evolución a nivel molecular. Esta investigación presenta el enfoque de aprendizaje automático, un análisis de agrupamiento jerárquico aglomerativo no supervisado de áreas de superficie accesibles al solvente invariantes y características estructurales conservadas de las lipasas para explotar la estabilidad y evolución de la enzima. Se recuperaron secuencias de lipasa de la base de datos biológica. Se identificaron seis regiones estructurales conservadas y sus residuos. El Área Total de Superficie Accesible al Solvente (SASA) y el SASA estructural conservado con un algoritmo jerárquico aglomerativo no supervisado agruparon las lipasas en tres grupos distintos (99/96%). El SASA mínimo de los residuos del núcleo estaba relacionado con Lipasa-4. Se muestra claramente que la cadena lateral general del SASA era mayor que la del esqueleto en todas las enzimas. El patrón de SASA de las regiones conservadas mostró claramente las áreas de conservación evolutiva que estabilizaron las estructuras de las lipasas. Esta investigación puede aportar nuevas ideas en el diseño de proteínas basado en el SASA estructuralmente conservado en las lipasas con la ayuda de un enfoque de aprendizaje automático.