En los últimos años, la técnica de perfilado de ribosomas (Ribo-seq) ha surgido como un método poderoso para monitorear globalmente el proceso de traducción in vivo con resolución de un solo nucleótido. Basado en el secuenciamiento profundo de fragmentos de ARNm, el Ribo-seq permite obtener perfiles que reflejan el tiempo que los ribosomas pasan traduciendo cada parte de un marco de lectura abierto. Lamentablemente, los perfiles producidos por este método pueden variar significativamente en diferentes configuraciones experimentales, caracterizándose por una baja reproducibilidad. Para abordar este problema, hemos empleado un método estadístico para la identificación de perfiles de Ribo-seq altamente reproducibles, que fue probado en un conjunto de genes. Se han utilizado modelos de redes neuronales artificiales de última generación para validar la calidad de las secuencias producidas. Además, se han proporcionado nuevas perspectivas sobre la dinámica de la traducción del ribosoma a través de un análisis estadístico de las secuencias obtenidas.