Los microARNs (miARNs) son una clase abundante de pequeños ARN no codificantes que regulan la expresión génica a nivel post-transcripcional. Se sugiere que están involucrados en la mayoría de los procesos biológicos de la célula, principalmente al dirigirse a los ARN mensajeros (ARNm) para su escisión o represión de la traducción. Su unión a sus sitios objetivo es mediada por la familia de proteínas Argonaute (AGO). Por lo tanto, la predicción de objetivos de miARN es fundamental para la investigación y aplicaciones clínicas. Además, se ha encontrado que los fragmentos derivados de ARN de transferencia (tRFs) y otros tipos de pequeños ARN son potentes reguladores de la expresión génica mediada por Ago. Su papel en la regulación del ARNm aún no se ha elucidado completamente, y los avances en la predicción computacional de sus objetivos están en sus primeras etapas. Para arrojar luz sobre estas complejas interacciones ARN-ARN, la disponibilidad de datos de alta calidad y métodos computacionales confiables es de suma importancia. A pesar de que el arsenal de enfoques computacionales en el campo se ha enriquecido en la última década, todavía existe un grado de discrepancia entre los resultados que generan. Esta revisión ofrece una visión general de los avances relevantes en el campo de la bioinformática y el aprendizaje automático y resume las estrategias clave utilizadas para la predicción de objetivos de pequeños ARN. Además, informamos sobre el desarrollo reciente de tecnologías de secuenciación de alto rendimiento y exploramos el papel de las secuencias impulsoras de AGO no-miARN.