Revisitamos el problema de la predicción de la estructura secundaria de proteínas utilizando arquitecturas de redes neuronales lineales y de retropropagación comúnmente aplicadas en la literatura. En este contexto, se construyen mapeos de redes neuronales entre secuencias del conjunto de entrenamiento de proteínas y sus clases de estructura asignadas para analizar la membresía de clase de los datos de prueba y las medidas asociadas de significancia. Presentamos resultados numéricos que demuestran que las medidas de rendimiento del clasificador pueden variar significativamente dependiendo de la arquitectura del clasificador y la técnica de codificación de la clase de estructura. Además, se introduce una formulación analítica para respaldar los datos numéricos observados. Por último, analizamos y discutimos la capacidad de la red neuronal para modelar con precisión atributos fundamentales de la estructura secundaria de proteínas.