El perfilado de expresión génica es una de las técnicas más reconocidas para inferir reguladores génicos y sus posibles objetivos en las redes regulatorias génicas (GRN). El propósito de este estudio es construir una red regulatoria para el genoma de la levadura en brote incorporando el uso de datos de RNA-seq y microarrays representados por una amplia gama de condiciones experimentales. Introducimos un pipeline para el análisis de datos, la preparación de datos y el entrenamiento de modelos. Se utilizan varios modelos de clasificación por kernel; incluyendo métodos de clasificación de una clase, dos clases y eventos raros, para categorizar genes. Probamos el impacto de las técnicas de normalización en el rendimiento general de RNA-seq. Nuestros hallazgos proporcionan nuevas perspectivas sobre las interacciones entre genes en la red regulatoria de la levadura. Las conclusiones de nuestro estudio tienen una importancia significativa ya que destacan la efectividad de la clasificación y su contribución a mejorar la comprensión actual de la red regulatoria de la levadura. Al ser evaluado, nuestro pipeline demuestra un rendimiento sólido en diferentes métricas estadísticas, como una tasa de recuperación del 99% y un puntaje AUC del 98%.