A partir de hoy, la bioinformática es uno de los campos más emocionantes de la investigación científica. Existe una amplia lista de problemas desafiantes a enfrentar, es decir, alineamientos de pares y múltiples, detección/discriminación/clasificación de motivos, reconstrucción de árboles filogenéticos, predicción de estructuras secundarias y terciarias de proteínas, predicción de funciones de proteínas, análisis de microarrays de ADN, regulación de genes/redes regulatorias, por mencionar solo algunos, y un ejército de investigadores, provenientes de diversos ámbitos científicos, enfocan sus esfuerzos en desarrollar modelos para abordar adecuadamente estos problemas. En este documento, pretendemos revisar brevemente parte de la gran cantidad de métodos de aprendizaje automático, desarrollados en las últimas dos décadas, adecuados para el análisis de datos de microarrays de genes que tienen un fuerte impacto en la biología molecular. En particular, nos centramos en la amplia lista de técnicas de agrupamiento y visualización de datos capaces de encontrar agrupaciones de datos homogéneas, y también proporcionar la posibilidad de descubrir sus conexiones en términos de estructura, función y evolución.