Las modificaciones postraduccionales (PTMs) son cambios covalentes en aminoácidos que ocurren después de la síntesis de proteínas, incluyendo modificaciones covalentes en cadenas laterales y esqueletos de péptidos. Muchas PTMs impactan profundamente en las funciones y estructuras celulares y moleculares, y su importancia se extiende también a estudios evolutivos. En vista de estas implicaciones, hemos explorado cómo la inteligencia artificial (IA) puede ser utilizada en la investigación de las PTMs. Inicialmente, se discuten las razones para adoptar la IA y sus ventajas en la comprensión de las funciones de las PTMs. Luego, se comparan varias arquitecturas y programas de aprendizaje profundo, incluidas las aplicaciones recientes de modelos de lenguaje, para predecir sitios de PTM en proteínas y las funciones regulatorias de estas PTMs. Finalmente, se describe nuestro pipeline de generación de datos de PTM de alto rendimiento, que formatea los datos de manera adecuada para el entrenamiento y predicciones de IA. Esperamos que esta revisión ilumine áreas donde los futuros modelos de IA sobre PTMs pueden mejorarse, contribuyendo así al campo de la bioingeniería de PTMs.