A detecção de talentos esportivos envolve o processo de identificar indivíduos com habilidades excepcionais em uma determinada modalidade, com potencial para se tornarem atletas de alto nível no futuro. Trata-se de um fenômeno complexo, que abrange uma rede de fatores, tais como aspectos antropométricos, nutricionais, fisiológicos, genéticos e psicológicos. Este projeto de pesquisa visa desenvolver um algoritmo de machine learning baseado em parâmetros antropométricos, maturacionais, físicos e genéticos, facilitando o processo de detecção e seleção de talentos esportivos ao considerar características genéticas, de maturação e de performance física. No Capítulo I, realizou-se uma revisão de escopo com o objetivo de explorar as variáveis avaliadas no processo de identificação e desenvolvimento de talentos no futebol. O Capítulo II descreve um estudo original que investigou a associação entre o polimorfismo ACE (I/D) e os fenótipos de resistência e força em jogadores brasileiros de handebol masculino, considerando suas posições em quadra. Foram avaliados 105 jogadores juniores de handebol masculino e 92 controles. O Capítulo III apresenta uma revisão sistemática cujo objetivo foi identificar, de forma sistemática, pesquisas originais que utilizaram machine learning com dados de desempenho esportivo, destacando as capacidades atuais e as potenciais aplicações futuras dessa tecnologia no campo do esporte. O Capítulo IV traz uma revisão sistemática com meta-análise sobre a frequência genotípica e alélica do gene ACTN3 R577X em populações brasileiras, bem como sua interação com a performance física. Por fim, o Capítulo V descreve um estudo original que investigou a associação entre os polimorfismos ACTN3 (R577X), BDKRB2 (-9/+9) e AGT (M235T) e os fenótipos de resistência e força em 91 jogadores brasileiros de handebol masculino.