Las redes biológicas son una herramienta muy útil para poder analizar cómo interactúan diferentes moléculas para llevar a cabo procesos celulares. Para un mismo conjunto de genes o proteínas, y diferentes organismos se pueden construir varias redes, y surge la necesidad de compararlas para detectar diferencias y similitudes. En este trabajo, se hizo una revisión de los métodos computacionales que se han desarrollado para la comparación de redes biológicas, encontrando que los métodos de alineamiento son los más numerosos y populares. A partir de esto se buscó evaluar la capacidad que tienen los métodos de alineamiento para detectar regiones iguales o similares, basados solo en la topología de la red con el fin de que su uso fuera aplicable a diversos tipos de redes. Por esto se seleccionaron algunos de los métodos de alineamiento global-pareado que permiten comparar dos redes a lo largo de su extensión, estos métodos fueron GRAAL, HubAlign, CytoGEDEVO y SANA. Para la comparación de los métodos se utilizaron las redes metabólicas de la glicólisis y la biosíntesis de ácidos grasos de Caenorhabditis elegans, Escherichia coli y Saccharomyces cerevisiae. Los cuatro métodos detectaron algunas regiones iguales y similares presentes en las redes, CytoGEDEVO y GRAAL detectaron mayor número de nodos iguales. CytoGEDEVO y SANA presentaron mejores valores en las otras medidas de calidad del alineamiento y detectaron mayor número de estructuras similares, mientras que, HubAlign obtuvo los peores resultados en las comparaciones de las redes reales, y GRAAL para las redes simuladas. Se discuten los resultados obtenidos en función de las características de cada método y las redes usadas para la evaluación. Finalmente, se hacen recomendaciones para mejorar los métodos que existen actualmente.Abstract: Biological networks are a highly useful tool for analyzing the way in which different molecules interact to drive cellular processes. Groups of genes, proteins, and different organisms can be modeled as networks, which can in turn be compared to identify differences and similarities. In this study, we reviewed the computational methods that have been developed to compare biological networks and found that alignment methods are the most numerous and the most popular. Based on this finding, we evaluated the capacity of several different alignment methods to detect similar or identical regions based solely on network topology, with a view to applying these methods to different types of networks. Towards this end, a number of tools for pairwise global alignment, which enable the comparison of two networks across their extension, were chosen, these tools being: GRAAL, HubAlign, CytoGEDEVO, and SANA. The tools were compared using glycolysis metabolic networks and the biosynthesis of fatty acids of Caenorhabditis elegans, Escherichia coli, and Saccharomyces cerevisiae. All four tools detected similar or identical regions present in the networks, with CytoGEDEVO and GRAAL detecting a greater number of identical nodes. CytoGEDEVO and SANA yielded higher scores in the other measures of alignment quality and a greater number of structural similarities, while HubAlign yielded the poorest results, and GRAAL for simulated networks. This paper discusses the results obtained, based on the characteristics of each tool, and the networks used for evaluation. Finally, makes recommendations for improving the methods of network analysis that currently exist.