La resistencia antimicrobiana representa una amenaza global creciente para la salud pública, especialmente por bacterias como Klebsiella pneumoniae, capaces de formar biofilms que incrementan su tolerancia a antibióticos y defensas inmunes. Frente a este desafío, las enzimas depolimerasas codificadas por bacteriófagos surgen como una alternativa prometedora, ya que degradan la matriz polisacarídica extracelular de los biofilms, favoreciendo la eliminación bacteriana y mejorando la eficacia de los tratamientos. Este trabajo final de carrera desarrolló un enfoque integral para la identificación y caracterización in silico de depolimerasas fágicas contra K. pneumoniae, combinando análisis genómicos, estructurales y validaciones experimentales. Se construyó una base de datos con 8.435 genomas completos de bacteriófagos, realizando predicción y anotación génica. Además, se modelaron estructuras tridimensionales de proteínas fágicas mediante AlphaFold y se aplicaron tres estrategias de identificación: análisis de dominios conservados, búsqueda por similitud estructural (Foldseek) y estudio de regiones genómicas hipervariables. Estas aproximaciones se complementaron con herramientas de aprendizaje automático (DePP y PhageDPO) para evaluar su desempeño. Los resultados mostraron que la búsqueda por similitud estructural proporciona mayor precisión y menor tasa de falsos positivos que los métodos basados solo en secuencias. A nivel experimental, se secuenciaron ocho bacteriófagos locales usando tecnología Oxford Nanopore, identificándose dos depolimerasas funcionales en el fago KP8 asociadas a actividad lítica. En conjunto, este estudio establece un pipeline sólido para la prospección y validación de depolimerasas, aportando un avance significativo hacia el desarrollo de terapias antivirulencia contra K. pneumoniae multirresistente.