Esta tese apresenta um m todo computacional para detectar e eliminar contigs NGS redundantes gerados por montadores de novo. A abordagem usa duas t cnicas baseadas em Hashing, um Bloom Filter para eliminar contigs duplicados e um hash sens vel localidade (LSH) para remover contigs similares. Como um grande n mero de contigs gerado por diferentes montadores, essas abordagens requerem recursos computacionais e humanos consider veis. A redu o de redund ncia facilita a an lise posterior dos dados e reduz o tempo necess rio para finalizar e curar montagens gen micas. A montagem h brida do dataset GAGE-B (8 bact rias divididas em 12 conjuntos sequenciados em Illumina HiSeq e MiSeq) foi realizada com o montador SPAdes (De Bruijn Graph) e o montador Fermi (OLC). O pipeline foi aplicado aos contigs resultantes e o desempenho comparado com outras ferramentas semelhantes, como HS-BLASTN, Simplifier e CD-HIT. O aplicativo proposto pode gerar resultados complementares e ajuda a unir esses resultados, tornando a montagem mais precisa.