O desenvolvimento de um fármaco costuma ser um processo complexo e demorado. Principalmente na fase inicial, a seleção de um alvo para desenvolvimento de fármacos pode demorar muitos anos. Genes e proteínas essenciais são entidades biológicas responsáveis por processos biológicos de sobrevivência e reprodução dos organismos. Genes e proteínas com relação de ancestralidade, em organismos de espécies diferentes, costumam conservar a função. Além disso, estudos indicam que genes essenciais tendem a ter maior expressão e codificam proteínas que se envolvem em mais interações proteína-proteína. Todas essas características tornam proteínas essenciais potenciais alvos de fármacos. Muitos trabalhos na literatura propõem abordagens biológicas e computacionais para identificação de essencialidade. Diante disso, este trabalho apresenta dois workflows para identificação de características de essencialidade em proteínas para alvos de fármacos do organismo alvo S. mansoni. Para isso, foram abordados um método baseado em homologia e outro método baseado em aprendizado de maquina com os organismos modelo S. cerevisiae, C. elegans e D. melanogaster. O método baseado em homologia identificou 11 proteínas candidatas a essenciais com o grupo de organismos modelo e o organismo S. mansoni. Entre os pares, a maior quantidade de candidatas foi com S. cerevisiae onde foram identificadas 726 proteínas candidatas a essenciais. No método baseado em aprendizado de maquina, cerca de 4000 proteínas foram preditas Para esse método foram realizados experimentos com três algoritmos baseados em árvore, XGBoost e Gradient Boosting e Random Forest, e características baseadas em contexto (interação proteína-proteína) e baseadas em sequencia. Os algoritmos apontaram melhores valores de recall com o uso da técnica de Undersampling. Ainda, 3290 proteínas foram preditas como essenciais pelos três algoritmos trabalhados, o que demonstrou certa semelhança entre os resultados dos algoritmos.