Extend conclusions section

Dissertation.org

@@ -447,7 +447,7 @@ En definitiva, locimend adquirió una gran capacidad para discernir entre nucle
 
 * Conclusiones
 
-El presente estudio plantea el desarrollo de un sistema bioinformático (denominado locimend) de corrección de errores de secuenciación del ADN, basado en /Deep Learning/, y aplicado a secuencias de la región CDR3 del TCR. Locimend fue entrenado con datos generados /in silico/ (en este mismo proyecto) y demuestra un alto rendimiento de predicción y corrección de errores de secuenciación, comparado con las técnicas utilizadas en el estado del arte. El algoritmo opera sobre secuencias de ADN, lo cual permite una fácil integración en el flujo de trabajo de un sistema bioinformático.
+El presente estudio plantea el desarrollo de un sistema bioinformático (denominado locimend) de corrección de errores de secuenciación del ADN, basado en /Deep Learning/, y aplicado a secuencias de la región CDR3 del TCR. Locimend fue entrenado con datos generados /in silico/ (en este mismo proyecto) y demuestra un alto rendimiento de predicción y corrección de errores de secuenciación, comparado con las técnicas utilizadas en el estado del arte. El algoritmo opera sobre secuencias de ADN, lo cual permite una fácil integración en el flujo de trabajo de un sistema bioinformático. La elección de una arquitectura de /deep feedforward network/ se debe a la dificultades encontradas con las demás alternativas. Al tratar de usar una CNN con un /input/ unidimensional, no era posible realizar añadir una capa de /MaxPooling/ y /Flatten/, las cuales son indispensables para un buen rendimiento. En el caso de los /autoencoders/, descartamos su utilización debido a los requisitos de cómputo elevados que son necesarios para realizar un entrenamiento efectivo. Finalmente, las /deep feedforward networks/ con su diseño sencillo y su polivalencia han permitido el desarrollo de un algoritmo con una precisión del 89%. Todos los objetivos del proyecto han sido cumplidos con éxito.
 
 * Futuras mejoras
 
@@ -461,4 +461,10 @@ Uno de los factores que más afecta el rendimiento de una red neuronal es el val
 
 Finalmente, el desarrollo y despliegue de un /frontend/ web para la API REST permitiría mejorar la accesibilidad del modelo para los investigadores que deseen usarlo.
 
+* Disponibilidad del material
+
+El código fuente de locigenesis se encuentra disponible en [[https://git.coolneng.duckdns.org/coolneng/locigenesis][https://git.coolneng.duckdns.org/coolneng/locigenesis]]
+
+El código fuente de locimend se encuentra disponible en [[https://git.coolneng.duckdns.org/coolneng/locimend][https://git.coolneng.duckdns.org/coolneng/locimend]]
+
 * Bibliografía