La metilación de ADN de citosina (5mCs) es una modificación epigenética importante en la investigación genómica. Sin embargo, los estados de metilación de algunos sitios de citosina no están disponibles debido a las limitaciones de diferentes estudios, y hay pocas herramientas desarrolladas para abordar este problema, especialmente en plantas, que tienen más tipos de metilación que los animales. Aquí, informamos sobre PlantDeepMeth, un nuevo modelo de aprendizaje profundo que utiliza el aprendizaje profundo para predecir los estados de metilación de ADN en plantas. La evaluación de PlantDeepMeth en sitios de citosina conocidos en ambos genomas muestra un buen rendimiento en la predicción de estados de metilación, lo que indica que la herramienta es buena para aprender patrones para la imputación de metilación. El análisis de motivos de las predicciones del modelo identificó motivos específicos asociados con estados de hipo- o hiper-metilación, revelando además patrones regulatorios clave capturados por el modelo. Además, la validación entre especies demostró la generalizabilidad de PlantDeepMeth, con el modelo manteniendo un alto rendimiento en diferentes especies de plantas. Estos resultados destacan la efectividad de PlantDeepMeth y demuestran el potencial del aprendizaje profundo para avanzar en la investigación genómica de plantas.