A biologia molecular computacional é uma área de conhecimento que possui como um dos principais objetivos a análise dos dados resultantes do sequenciamento de genomas. Dentro deste contexto, foram desenvolvidos diversos softwares para a análise de sequências biológicas, como por exemplo o software BACPP, que foi desenvolvido pelo grupo de Bioinformática da UCS e que efetua a caracterização e a predição de promotores em bactérias Gram-negativas. Para efetuar a caracterização e o reconhecimento de promotores dentro de um genoma, o BACPP utiliza-se de regras obtidas através do treinamento de Redes Neurais Artificiais (RNA). Os valores de saída da RNA são então ponderados de forma a obter-se uma melhor assertividade, sendo que os valores utilizados para essa ponderação foram escolhidos empiricamente após testes efetuados com valores inteiros entre -10 e 10. O objetivo deste trabalho consistiu em aumentar a performance da predição de promotores, através utilização de Algoritmos Genéticos para obtenção de valores mais adequados para a ponderação das regras de saída das RNAs do BACPP. A partir da implementação desenvolvida, foram gerados novos valores de ponderação para a predição de promotores no BACPP. Estes valores de ponderação foram comparados aos valores anteriores existentes no BACPP, obtendo-se uma melhora melhoria da assertividade do método (sic).