diff --git a/Presentation.org b/Presentation.org
index 94f5419..66991c6 100644
--- a/Presentation.org
+++ b/Presentation.org
@@ -3,6 +3,7 @@
 #+SUBTITLE: Trabajo de Fin de Grado
 #+LANGUAGE: es
 #+PANDOC_OPTIONS: pdf-engine:xelatex
+#+PANDOC_METADATA: theme:metropolis
 * Introducción
 ** Descripción
 - Proyecto de bioinformática
@@ -42,17 +43,19 @@ Hay distintos tipos de errores de secuenciación del ADN:
 - La región más variable es *CDR3*
 
 #+CAPTION: Generación de diversidad en el TCR
-#+ATTR_HTML: :height 55%
+#+ATTR_HTML: :height 40%
 [[./assets/figures/VDJ.png]]
+
 * Objetivos del proyecto
 
-- Detección de errores de secuenciación del ADN en las secuencias de CDR3
-- Corrección de estos errores, tanto sustituciones como /indels/
+Detección y corrección de errores de secuenciación del ADN en las secuencias de CDR3
 
-** Requisitos
+- Aplicación a errores de sustitución e /indels/
+
+** Etapas
 
-- Desarrollo de un algoritmo de /Deep Learning/
 - Generación de un /dataset/ para entrenar el algoritmo
+- Desarrollo de un algoritmo de /Deep Learning/
 - Creación de una interfaz que permita utilizar el algoritmo
 
 * Estructura del proyecto
@@ -63,30 +66,35 @@ El proyecto se divide en 2 partes:
 - locimend: Corrección de los errores de secuenciación del ADN
 
 #+CAPTION: Pipeline
-#+ATTR_HTML: :height 80% :width 70%
+#+ATTR_HTML: :height 65% :width 65%
 [[./assets/figures/pipeline.png]]
 
-Optamos por esta segmentación debido a que el algoritmo de /Deep Learning/ es generalizable, y se podría entrenar con otro /dataset/ de secuencias de ADN.
+Optamos por esta segmentación debido a que el algoritmo de /Deep Learning/ es generalizable, y se podría entrenar con otro /dataset/
 
 * locigenesis
 
-- locigenesis es una herramienta que genera una secuencia de receptores de células T (TCR) humano para posteriormente aplicarle una herramienta de simulación de secuenciación (CuReSim) y, finalmente, extraer las regiones CDR3 tras la introducción de errores.
+- locigenesis es una herramienta que genera una secuencia de receptores de células T (TCR) humano para posteriormente aplicarle una herramienta de simulación de secuenciación (CuReSim) y, finalmente, extraer las regiones CDR3 tras la introducción de errores
 - Obtención de CDR3 con y sin errores de secuenciación
 - La simulación de secuenciación se realiza con el TCR completo, y se extrae CDR3 mediante alineamiento con las secuencias de referencia y ciertas heurísticas
-- Lenguaje de programación: R
+
+| Tecnologías | Descripción                                                      |
+|-------------+------------------------------------------------------------------|
+| immuneSIM   | Generación /in silico/ de repertorios de BCR y TCR               |
+| CuReSim     | Simulador de secuenciación que emula la tecnología /Ion Torrent/ |
+| Biostrings  | Manipulación de secuencias biológicas                            |
 
 * locimend
 
-- locimend es un algoritmo de /Deep Learning/ que corrige errores de secuenciación de secuencias de ADN.
-- Creación de un modelo que pueda inferir la secuencia correcta de ADN, a partir de una secuencia de ADN con errores.
+- locimend es un algoritmo de /Deep Learning/ que corrige errores de secuenciación de secuencias de ADN
+- Creación de un modelo que pueda inferir la secuencia correcta de ADN, a partir de una secuencia de ADN con errores
 - Arquitectura: /deep feedforward network/
 
-#+CAPTION: Arquitectura de la red neuronal
-#+ATTR_HTML: :height 40% :width 90%
-#+NAME: fig:locimend
-[[./assets/figures/locimend.png]]
+| Tecnologías | Descripción                                              |
+|-------------+----------------------------------------------------------|
+| Tensorflow  | Creación y ejecución de algoritmos de /machine learning/ |
+| Biopython   | Manipulación de secuencias biológicas                    |
+| FastAPI     | /Framework/ web para la creación de APIs                 |
 
-- Lenguaje de programación: Python
 * Paralelización
 
 - Ciertas etapas en el sistema son cuellos de botella, para superar este impedimento empleamos la paralelización
@@ -129,13 +137,6 @@ content: application/json
 {
   "sequence": "TGTGCCAGCAGCTTAGCGGACAGTTCGGGGCAGAGCAGTAC"
 }
-// POST http://localhost:8000
-// HTTP/1.1 200 OK
-// date: Mon, 12 Jul 2021 22:14:35 GMT
-// server: uvicorn
-// content-length: 56
-// content-type: application/json
-// Request duration: 1.018606s
 #+END_SRC
 * Resultados
 
diff --git a/Presentation.pdf b/Presentation.pdf
index d94f418..a5c7afa 100644
Binary files a/Presentation.pdf and b/Presentation.pdf differ