Un mapa autoorganizado (SOM) es un algoritmo de red neuronal artificial que puede aprender de los datos de entrenamiento que consisten en objetos expresados como vectores y realizar agrupaciones no jerárquicas para representar vectores de entrada en grupos discretizados, con vectores asignados al mismo grupo compartiendo características numéricas o alfanuméricas similares. SOM se ha utilizado ampliamente en transcriptómica para identificar genes coexpresados como candidatos a genes coregulados. Visualizo que SOM tiene un gran potencial para caracterizar motivos de secuencia heterogéneos, y mi objetivo es ilustrar este potencial mediante una presentación paralela de SOM con un conjunto de vectores numéricos y un conjunto de motivos de secuencia de longitud igual. Aunque hay numerosas aplicaciones biológicas de SOM que implican vectores numéricos, pocos estudios han utilizado SOM para la caracterización de motivos de secuencia heterogéneos. Este documento tiene la intención de fomentar a (1) los investigadores a estudiar SOM en este nuevo dominio y (2) a los programadores informáticos a desarrollar herramientas SOM de caracterización de motivos amigables para los biólogos.