"La degradación de transcritos mediada por micro-RNAs (miRNAs) es una capa de regu lación génica a un nivel post-transcripcional que desempeña funciones importantes en plantas. Algunos rasgos fenotípicos que son de interés para la industria alimenticia están fuertemente regulados por este mecanismo molecular. En México, plantas de la familia Fabaceae representan una de las principales fuentes de alimentación. En consecuencia, es importante estudiar esta capa de regula ción para mejorar los cultivos y la producción de semillas, sin embargo, uno de los tópicos más difíciles es la identificación de los loci miRNAs. Los criterios básicos no son eviden cia suficiente para la identificación correcta. Recientemente, inteligencias artificiales (IA) basada en redes convolucionales (CNN) han mostrado un excelente poder predictivo en la identificación de los loci miRNAs, sin em bargo, algunas de estas CNN profundas son complejas y difíciles de entrenar y ejecutar. Se ha propuesto un modelo basado en la arqui tectura de perceptrón multicapa (MLP) para la identificación de loci de miRNAs, sin embargo, su rendimiento es limitado debido a las altas capacidades de cálculo necesarias para pro cesar las secuencias. En este artículo mostra mos como las IA basadas en modelos simples (MLP) son una opción más ágil y fácil de en trenar, Esto, debido en parte, a el uso de fre cuencias de k-meros para extraer información de las secuencias de nucleótidos y de la re presentación de la estructura. En este artícu lo evaluamos diferentes características de los modelos MLP como, funciones de activación, y capas “dropout”. Los modelos más adecua dos mostraron una sensibilidad del 84-90% y una especificidad del 98-100% cuando fueron sometidos a prueba con los datos de evalua ción. Adicionalmente, evaluamos los modelos con secuencias de transcritos ensambladas y obtuvimos valores de sensibilidad del 80-85% y especificidad del 90-95%."