Add conclusions

Dissertation.org

@@ -443,6 +443,9 @@ Presentamos las métricas obtenidas al finalizar el entrenamiento de locimend:
 En definitiva, locimend adquirió una gran capacidad para discernir entre nucleótidos erróneos y correctos, en ambos /datasets/, con una precisión de 0,89 y un área bajo la curva (AUC) de 0,98.
 
 * 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.
+
 * Futuras mejoras
 
 Los resultados del algoritmo de /Deep Learning/ son satisfactorios aunque presenta ciertas limitaciones.