Guía de optimización de palabras clave ATS para currículums de Científico/a en Bioinformática

Más del 75% de los currículums son rechazados por los sistemas de seguimiento de candidatos antes de que un humano los lea, y los currículums de científico/a en bioinformática — densos en herramientas especializadas, algoritmos y nomenclatura biológica — son particularmente vulnerables a errores de análisis ATS [14].

Puntos clave

• Usa la fraseología exacta de las ofertas de empleo: los sistemas ATS analizan "next-generation sequencing" y "NGS" como tokens separados — incluye tanto el término completo como el acrónimo para captar cada coincidencia de palabras clave.
• Clasifica tus palabras clave por frecuencia: incorpora las habilidades de Nivel 1 (Python, R, genómica, análisis NGS) en tus viñetas de experiencia, no solo en tu sección de habilidades — las plataformas ATS ponderan más el uso contextual de palabras clave que las listas independientes [15].
• Combina conocimiento del dominio biológico con métodos computacionales: las ofertas de bioinformática requieren consistentemente experiencia híbrida; un currículum que lista "BLAST" sin mencionar el contexto biológico (ej., "análisis de homología de proteínas") señala una desconexión de palabras clave tanto para el ATS como para los revisores [9].
• Incluye terminología de pipelines y flujos de trabajo: frases como "desarrollo de pipeline bioinformático", "flujo de trabajo de variant calling" y "pipeline de análisis RNA-seq" aparecen en la mayoría de las descripciones de empleo en las principales plataformas de contratación [4][5].
• Cuantifica los resultados computacionales: métricas como "procesé 2.5 TB de datos de secuenciación de genoma completo" o "reduje el tiempo de ejecución de variant calling en un 40%" superan el filtrado ATS y demuestran impacto inmediatamente a los gerentes de contratación.

¿Por qué importan las palabras clave ATS en los currículums de científico/a en bioinformática?

Los puestos de científico/a en bioinformática se encuentran en la intersección de biología computacional, ingeniería de software e investigación genómica, lo que significa que tu currículum contiene terminología de al menos tres dominios distintos. Las plataformas ATS como Workday, Greenhouse, Lever e iCIMS — ampliamente usadas por empresas farmacéuticas, startups de biotecnología y centros médicos académicos — analizan currículums emparejando las palabras clave del candidato contra las calificaciones requeridas y preferidas de la requisición del puesto [14]. Cuando tu currículum dice "alineamiento de secuencias" pero la oferta dice "mapeo de lecturas", el ATS puede puntuarte más bajo aunque estés describiendo la misma tarea.

El problema se agrava por la enorme especificidad de las herramientas bioinformáticas. Un reclutador en una empresa genómica configura el ATS para marcar currículums que contengan "GATK", "Samtools", "DESeq2" o "Snakemake". Si listas "herramientas de análisis de variantes" genéricamente en vez de nombrar el software específico, el sistema te filtra antes de que tu doctorado o cinco años de experiencia en desarrollo de pipelines sean vistos [15].

Las ofertas de científico en bioinformática en Indeed y LinkedIn revelan un patrón consistente: los empleadores listan 10–15 herramientas específicas, 3–5 lenguajes de programación y 2–3 dominios biológicos como requisitos mínimos [4][5]. Los sistemas ATS típicamente puntúan los currículums según un porcentaje de coincidencia contra estos requisitos. Un currículum que acierta el 60% de las palabras clave listadas avanza; uno que acierta el 40% no — independientemente de la experiencia real del candidato.

La solución no es incluir cada palabra clave en un bloque de texto. Es entender qué palabras clave tienen más peso, dónde colocarlas para máxima puntuación ATS y cómo integrarlas naturalmente para que el revisor humano que eventualmente lea tu currículum vea una narrativa coherente, no un volcado de palabras clave.

¿Cuáles son las palabras clave de habilidades técnicas imprescindibles para científicos en bioinformática?

Las siguientes palabras clave están organizadas por la frecuencia con que aparecen en ofertas de científico en bioinformática en las principales plataformas [4][5]. La clasificación por nivel se basa en el análisis de frecuencia de ofertas — no en importancia subjetiva.

Nivel 1 — Esenciales (aparecen en el 80%+ de las ofertas)

1. Python — El lenguaje de scripting dominante en bioinformática. Listalo en tu sección de habilidades y referencíalo en viñetas de experiencia: "Desarrollé un pipeline basado en Python para variant calling somático en más de 500 pares tumor-normal." No escribas "programación" genéricamente.

2. R / Bioconductor — Específicamente para genómica estadística. Usa la frase exacta "R/Bioconductor" ya que muchas ofertas los listan juntos. Menciona paquetes específicos: DESeq2, edgeR, GenomicRanges.

3. Next-Generation Sequencing (NGS) — Siempre incluye tanto la frase completa como el acrónimo. "Análisis de datos NGS" es una palabra clave distinta de "secuenciación" sola [9].

4. Genómica / Análisis de datos genómicos — La palabra clave del dominio biológico que ancla tu currículum. Combínala con una aplicación específica: "secuenciación de genoma completo", "secuenciación de exoma" o "secuenciación de panel dirigido."

5. Desarrollo de pipeline bioinformático — Esta frase exacta aparece en la gran mayoría de las ofertas. No sustituyas "creación de flujo de trabajo" o "procesamiento de datos" — usa la terminología estándar de la industria [4].

6. Linux / Línea de comandos Unix — Casi todo entorno bioinformático funciona en Linux. Especifica tu competencia: "Administré análisis bioinformáticos en clústeres HPC Linux usando scripting Bash y programación de trabajos SLURM."

7. Análisis estadístico — No "estadística" o "análisis de datos" solo. La frase "análisis estadístico" emparejada con un método (ej., "corrección por pruebas múltiples", "análisis de supervivencia", "inferencia bayesiana") es lo que los sistemas ATS emparejan [3].

Nivel 2 — Importantes (aparecen en el 50–80% de las ofertas)

8. Machine Learning / Deep Learning — Cada vez más requerido para roles que involucran predicción de patogenicidad de variantes, identificación de blancos terapéuticos o análisis de célula única. Nombra frameworks específicos: scikit-learn, TensorFlow, PyTorch.

9. Análisis RNA-seq — Una palabra clave distinta de "análisis de expresión génica". Usa "RNA-seq" explícitamente y menciona el flujo completo: alineamiento, cuantificación, expresión diferencial, análisis de vías.

10. Variant calling / Anotación de variantes — Especifica las herramientas: GATK HaplotypeCaller, FreeBayes, ANNOVAR, VEP (Variant Effect Predictor). "Variant calling" y "anotación de variantes" son palabras clave ATS separadas — incluye ambas si aplica.

11. Cloud Computing (AWS / GCP / Azure) — Las empresas de biotecnología y farmacéuticas están migrando pipelines a infraestructura en la nube. Lista la plataforma específica que has usado: "Desplegué pipelines Nextflow en AWS Batch con almacenamiento respaldado por S3."

12. SQL / Gestión de bases de datos — Para puestos que involucran bases de datos de genómica clínica o datos de biobancos. Especifica: "Consulté bases de datos PostgreSQL que contenían más de 100K registros de variantes de pacientes."

13. Sistemas de gestión de flujos de trabajo — Nombra la herramienta específica: Nextflow, Snakemake, WDL/Cromwell o CWL. Estas son palabras clave ATS distintas, no intercambiables [5].

14. Control de versiones (Git/GitHub) — Señala estándares de reproducibilidad y colaboración. "Mantuve pipelines bioinformáticos con control de versiones usando Git con integración CI/CD vía GitHub Actions."

Nivel 3 — Diferenciadores (aparecen en el 20–50% de las ofertas)

15. Single-Cell RNA-seq (scRNA-seq) — Una especialización en rápido crecimiento. Menciona herramientas específicas: Seurat, Scanpy, Cell Ranger.

16. Proteómica / Análisis de datos de espectrometría de masas — Para puestos de integración multi-ómica. Menciona MaxQuant, Proteome Discoverer o Perseus si aplica.

17. Análisis de pantallas CRISPR — Nicho pero de alto valor para puestos de genómica funcional. Menciona MAGeCK o CRISPResso.

18. Docker / Singularity / Contenerización — Señala portabilidad y reproducibilidad de pipelines. "Contenerizé pipeline de variant calling usando Docker para despliegue en HPC institucional y entornos AWS."

19. Procesamiento de lenguaje natural (NLP) para minería de texto biomédico — Emergente en puestos que involucran minería de literatura o extracción de notas clínicas. Menciona PubMedBERT o BioBERT si los has usado.

Coloca las palabras clave de Nivel 1 tanto en tu sección de habilidades como en tus viñetas de experiencia. Las de Nivel 2 deben aparecer en viñetas de experiencia donde puedas demostrar uso contextual. Las de Nivel 3 van en tu sección de habilidades y en cualquier descripción relevante de proyectos — son las palabras clave que te diferencian de otros candidatos calificados [15].

¿Qué palabras clave de habilidades blandas deben incluir los científicos en bioinformática?

Listar "trabajo en equipo" o "comunicación" en un currículum de científico en bioinformática no tiene sentido sin contexto. Los sistemas ATS cada vez más analizan habilidades blandas, pero los gerentes de contratación las descartan a menos que se demuestren a través de escenarios específicos del puesto [15]. Así es como debes incorporar habilidades blandas con credibilidad:

1. Colaboración interfuncional — "Colaboré con oncólogos, patólogos e ingenieros de software para traducir requisitos de interpretación clínica de variantes en especificaciones automatizadas de pipeline."

2. Comunicación científica — "Presenté hallazgos de RNA-seq a partes interesadas no computacionales, traduciendo resultados de expresión diferencial en recomendaciones accionables de blancos terapéuticos."

3. Mentoría / Capacitación — "Capacité a 4 bioinformáticos junior en desarrollo de pipelines Nextflow y mejores prácticas para análisis genómico reproducible."

4. Gestión de proyectos — "Lideré un proyecto de integración multi-ómica de 6 meses en 3 departamentos, coordinando cronogramas de generación de datos con hitos de análisis computacional."

5. Resolución de problemas — "Diagnostiqué y resolví efectos de lote sistemáticos en un dataset de RNA-seq de 1,200 muestras implementando normalización ComBat-seq, recuperando el 15% de las muestras previamente excluidas."

6. Atención al detalle / Control de calidad — "Establecí puntos de control de QC en el pipeline de variant calling, reduciendo las llamadas de variantes falso-positivas en un 30% mediante la implementación de VQSR y protocolos de revisión manual con IGV."

7. Documentación escrita — "Redacté SOPs para validación de pipelines bioinformáticos en cumplimiento con los requisitos de acreditación de laboratorio CAP/CLIA."

8. Adaptabilidad — "Transicioné el pipeline de alineamiento legacy basado en Perl del departamento a una arquitectura Nextflow/Docker en 3 meses, manteniendo compatibilidad retroactiva con análisis downstream existentes."

9. Pensamiento crítico — "Evalué 4 algoritmos competidores de variant calling en datasets de benchmark emparejados, seleccionando GATK HaplotypeCaller basándome en tradeoffs de sensibilidad/especificidad para el caso de uso clínico."

10. Comunicación con partes interesadas — "Entregué reportes semanales de progreso bioinformático al VP de Investigación, traduciendo métricas de rendimiento del pipeline en cronogramas relevantes para el negocio."

Cada uno incorpora la habilidad blanda dentro de un logro específico de bioinformática. El ATS captura la palabra clave; el revisor humano ve evidencia [3].

¿Qué verbos de acción funcionan mejor en currículums de científico en bioinformática?

Los verbos genéricos como "gestioné" o "ayudé" desperdician espacio en un currículum de bioinformática. Los siguientes verbos se alinean con las responsabilidades centrales de los científicos en bioinformática — desarrollo de pipelines, análisis de datos, evaluación de métodos y comunicación científica [9]:

1. Desarrollé — "Desarrollé un pipeline basado en Snakemake para secuenciación de exoma completo procesando más de 200 muestras por semana en un clúster HPC institucional."
2. Diseñé — "Diseñé un paquete Python personalizado para detección de variantes estructurales en datos de secuenciación de lectura larga PacBio."
3. Analicé — "Analicé datos de RNA-seq de célula única de más de 50,000 células usando Scanpy, identificando 12 nuevos subtipos celulares en microambientes tumorales pancreáticos."
4. Optimicé — "Optimicé parámetros de variant calling de GATK, reduciendo el tiempo de ejecución en un 35% manteniendo un 99.5% de concordancia con conjuntos de verdad."
5. Automaticé — "Automaticé reportes de control de calidad para corridas NGS usando MultiQC y plantillas personalizadas de R Markdown, eliminando 8 horas de revisión manual por semana."
6. Integré — "Integré datasets genómicos, transcriptómicos y proteómicos para identificar firmas de biomarcadores multi-ómicos para predicción de respuesta a inmunoterapia."
7. Validé — "Validé un pipeline de detección de mutaciones somáticas de grado clínico contra estándares de pruebas de competencia CAP, logrando 100% de sensibilidad para variantes de nivel I/II."
8. Desplegué — "Desplegué flujos de trabajo bioinformáticos contenerizados en AWS usando Nextflow Tower, permitiendo escalamiento bajo demanda para análisis de cohortes grandes."
9. Caractericé — "Caractericé el panorama mutacional de 500 muestras de cáncer de mama triple negativo, identificando alteraciones recurrentes de BRCA1/2 y eventos de fusión novedosos."
10. Comparé — "Comparé 5 herramientas de cuantificación de RNA-seq (Salmon, Kallisto, STAR, HISAT2, RSEM) contra controles spike-in, estableciendo Salmon como el estándar departamental."
11. Curé — "Curé una base de conocimiento de variantes de más de 15,000 variantes clínicamente anotadas de ClinVar, COSMIC y datasets internos para uso en reportes clínicos."
12. Diseñé — "Diseñé un panel de secuenciación dirigida que cubre 450 genes asociados a cáncer para uso en un laboratorio de diagnóstico molecular certificado por CLIA."
13. Implementé — "Implementé un clasificador de machine learning (random forest) para predicción de tumor de origen usando datos de arrays de metilación, logrando un 92% de precisión en 33 tipos de cáncer."
14. Colaboré — "Colaboré con científicos de laboratorio húmedo para resolver artefactos de preparación de bibliotecas identificados a través de métricas de QC bioinformático."
15. Publiqué — "Publiqué 3 manuscritos como primer autor en Genome Research y Bioinformatics, contribuyendo métodos novedosos para corrección de errores en secuenciación de lectura larga."
16. Migré — "Migré la infraestructura bioinformática on-premise legacy a Google Cloud Platform, reduciendo el costo de análisis por muestra en un 45%."

Cada verbo lleva directamente a un logro cuantificado y específico del puesto. Reemplaza cualquier instancia de "responsable de" o "asistí con" en tu currículum por uno de estos verbos seguido de un resultado medible [13].

¿Qué palabras clave de la industria y herramientas necesitan los científicos en bioinformática?

Los sistemas ATS en farmacéuticas, biotecnología y centros médicos académicos buscan nombres exactos de herramientas y terminología específica de la industria. Escribir mal "Samtools" como "Sam Tools" o escribir "secuenciación Illumina" cuando la oferta dice "Illumina NovaSeq" te cuesta coincidencias de palabras clave [4][5].

Plataformas y tecnologías de secuenciación

• Illumina (NovaSeq, HiSeq, MiSeq, NextSeq)
• PacBio (Sequel II/IIe, Revio, secuenciación HiFi)
• Oxford Nanopore Technologies (MinION, PromethION)
• 10x Genomics (Chromium, transcriptómica espacial Visium)

Herramientas y software bioinformáticos

• Alineamiento: BWA-MEM2, STAR, Minimap2, Bowtie2, HISAT2
• Variant Calling: GATK (HaplotypeCaller, Mutect2), DeepVariant, Strelka2, FreeBayes
• Anotación: ANNOVAR, SnpEff, VEP (Ensembl Variant Effect Predictor), ClinVar, COSMIC
• RNA-seq: DESeq2, edgeR, Salmon, Kallisto, featureCounts, RSEM
• Célula única: Seurat, Scanpy, Cell Ranger, scVI, Monocle
• Visualización: IGV (Integrative Genomics Viewer), UCSC Genome Browser, ggplot2, matplotlib
• Gestores de flujos de trabajo: Nextflow, Snakemake, WDL/Cromwell, CWL

Bases de datos y recursos

• NCBI (GenBank, SRA, dbSNP, ClinVar), Ensembl, UCSC Genome Browser, UniProt, KEGG, Gene Ontology (GO), Reactome, TCGA, GnomAD

Certificaciones y estándares

• Cumplimiento CLIA/CAP — Crítico para puestos de bioinformática clínica
• Directrices de clasificación de variantes ACMG/AMP — Requeridas para posiciones de interpretación clínica de variantes
• Principios de datos FAIR — Cada vez más referenciados en ofertas orientadas a investigación
• GCP (Good Clinical Practice) — Para puestos en genómica de ensayos clínicos

Programación e infraestructura

• Python (BioPython, pandas, NumPy, SciPy), R (Bioconductor, tidyverse), Perl, Bash, SQL, Java/Scala (para genómica basada en Spark), Jupyter Notebooks, RStudio, HPC (SLURM, PBS/Torque), Docker, Singularity, Conda/Mamba, Git/GitHub/GitLab

Lista las herramientas con su capitalización correcta y contexto de versión cuando sea relevante. "GATK 4.x" es más específico que "GATK" y señala experiencia actual [12].

¿Cómo deben usar las palabras clave los científicos en bioinformática sin saturar?

La saturación de palabras clave — incluir cada herramienta y técnica en un párrafo denso — activa los filtros de spam ATS y aliena a los revisores humanos. Así es como debes distribuir las palabras clave estratégicamente en las secciones de tu currículum [14][15]:

Resumen profesional (2–3 palabras clave de Nivel 1)

Tu resumen debe contener tus palabras clave de mayor valor en una oración natural:

Antes (saturado): "Científico en bioinformática con experiencia en Python, R, NGS, RNA-seq, WGS, variant calling, GATK, Samtools, Nextflow, machine learning, cloud computing, Linux, Docker, célula única y multi-ómica."

Después (estratégico): "Científico en bioinformática con 6 años de experiencia desarrollando pipelines de análisis NGS en Python y R, especializado en variant calling somático para programas de oncología de precisión. Lideré la migración de flujos de trabajo GATK on-premise a infraestructura Nextflow basada en AWS, reduciendo el costo por muestra en un 45%."

La versión "después" contiene 7 palabras clave (bioinformática, NGS, Python, R, variant calling, GATK, Nextflow) incorporadas en una narrativa que también comunica alcance, dominio e impacto.

Sección de habilidades (lista completa de palabras clave, categorizada)

Organiza por categoría en vez de volcar una lista alfabética:

• Lenguajes: Python, R, Bash, SQL, Perl
• Herramientas NGS: BWA-MEM2, GATK, Samtools, Picard, DeepVariant, VEP
• RNA-seq: STAR, Salmon, DESeq2, edgeR, Seurat
• Infraestructura: Nextflow, Docker, Singularity, AWS (S3, Batch, EC2), Git

Viñetas de experiencia (uso contextual de palabras clave)

Aquí es donde los sistemas ATS asignan más peso. Cada viñeta debe contener 1–2 palabras clave incorporadas en un logro cuantificado:

"Desarrollé y validé un pipeline de variant calling somático basado en Nextflow usando GATK Mutect2, procesando más de 1,500 pares tumor-normal con un tiempo medio de procesamiento de 4 horas por muestra."

Esa sola viñeta contiene cinco palabras clave (Nextflow, variant calling somático, GATK, Mutect2, tumor-normal) en una oración natural con resultados cuantificados.

Educación y certificaciones

Incluye palabras clave de cursos relevantes: "Cursos de posgrado en genómica computacional, genética estadística y machine learning para datos biológicos." Esto captura palabras clave que pueden no encajar naturalmente en tu sección de experiencia [13].

Puntos clave

Tu currículum de científico en bioinformática necesita hablar dos idiomas simultáneamente: el lenguaje algorítmico del emparejamiento de palabras clave ATS y el lenguaje humano del logro científico. Empieza extrayendo cada herramienta, método y término de dominio de la oferta específica a la que te diriges — los puestos de bioinformática varían significativamente entre genómica clínica, I+D farmacéutica y posiciones de investigación académica [4][5].

Prioriza las palabras clave de Nivel 1 (Python, R, NGS, genómica, desarrollo de pipelines, análisis estadístico, Linux) tanto en tu sección de habilidades como en tus viñetas de experiencia. Usa nombres exactos de herramientas con capitalización correcta. Incorpora las habilidades blandas dentro de declaraciones de logros en vez de listarlas como adjetivos independientes.

Ejecuta tu currículum a través de una herramienta de simulación ATS antes de enviarlo. Si tu tasa de coincidencia de palabras clave cae por debajo del 60% para una oferta dada, revisita la descripción del puesto e identifica qué términos específicos te faltan. Frecuentemente es un sinónimo de herramienta (ej., la oferta dice "WDL" y tu currículum dice "Cromwell") o una frase de dominio (ej., "farmacogenómica" vs. "interacciones droga-gen") lo que te está costando la coincidencia.

El constructor de currículums de Resume Geni te permite personalizar la colocación de palabras clave para cada solicitud, asegurando que tu experiencia en bioinformática pase el ATS y llegue frente al científico de contratación que puede apreciarla.

Preguntas frecuentes

¿Cuántas palabras clave debe tener un currículum de científico en bioinformática?

Apunta a 25–40 palabras clave distintas distribuidas en tu resumen, sección de habilidades y viñetas de experiencia. Un currículum de bioinformática de dos páginas tiene espacio suficiente para incluir 6–8 palabras clave de Nivel 1, 5–7 de Nivel 2 y 3–5 de Nivel 3 sin saturar. La clave es la colocación contextual — cada palabra clave debe aparecer en al menos una viñeta de experiencia, no solo en la lista de habilidades [15].

¿Debo incluir tanto el acrónimo como el término completo para las herramientas bioinformáticas?

Sí. Los sistemas ATS frecuentemente analizan "NGS" y "next-generation sequencing" como palabras clave separadas. Usa el término completo en la primera mención con el acrónimo entre paréntesis — "next-generation sequencing (NGS)" — luego usa el acrónimo en las referencias subsecuentes. Aplica el mismo enfoque a GATK (Genome Analysis Toolkit), VEP (Variant Effect Predictor) y otras herramientas comúnmente abreviadas [14].

¿Necesito listar cada herramienta bioinformática que he usado?

No. Adapta tu lista de herramientas a cada solicitud. Un puesto de genómica clínica prioriza GATK, ClinVar, directrices ACMG y cumplimiento CAP/CLIA. Un puesto de I+D farmacéutica enfatiza frameworks de machine learning, integración multi-ómica y cloud computing. Listar herramientas de análisis de pantallas CRISPR en un currículum de interpretación clínica de variantes agrega ruido sin mejorar tu tasa de coincidencia ATS [4][5].

¿Cómo manejo herramientas bioinformáticas que han sido descontinuadas o reemplazadas?

Si usaste TopHat para alineamiento de RNA-seq, listalo solo si la oferta lo menciona específicamente (raro). De lo contrario, lista el equivalente de generación actual al que has transicionado: "Migré el flujo de trabajo de alineamiento de RNA-seq de TopHat a STAR, mejorando la tasa de mapeo en un 8% y reduciendo el tiempo de ejecución en un 50%." Esto demuestra tanto conocimiento histórico como competencia actual [9].

¿Debo incluir mi perfil de GitHub o enlace a pipelines publicados?

Absolutamente. Muchos gerentes de contratación en bioinformática revisan los repositorios de GitHub antes de las entrevistas. Incluye un enlace en el encabezado de tu currículum y referencia repositorios específicos en tus viñetas de experiencia: "Desarrollé y publiqué como código abierto un pipeline de Snakemake para análisis ATAC-seq (github.com/username/atacseq-pipeline, 150+ estrellas)." Los sistemas ATS no analizarán el contenido del repositorio, pero el revisor humano sí lo hará [13].

¿Cómo optimizo mi currículum para puestos de bioinformática en diferentes industrias?

Las empresas farmacéuticas y de biotecnología enfatizan cumplimiento GxP, validación de pipelines de grado clínico y conciencia regulatoria. Las posiciones académicas priorizan el historial de publicaciones, contribuciones a subvenciones y desarrollo de métodos novedosos. Los puestos en startups ponderan capacidades full-stack — desde desarrollo de pipelines hasta despliegue en la nube y visualización de datos. Refleja el lenguaje de la oferta específica: si dice "entorno GMP", incluye esa frase exacta [5].

¿Cuál es el mayor error ATS que cometen los científicos en bioinformática?

Usar descripciones genéricas en vez de nombres específicos de herramientas. "Realicé análisis de datos usando varias herramientas bioinformáticas" no coincide con ninguna palabra clave ATS. "Realicé análisis de expresión diferencial usando DESeq2 en R, identificando 1,200 genes significativamente diferencialmente expresados (FDR < 0.05) entre condiciones de tratamiento y control" coincide con al menos cinco. La especificidad es la diferencia entre el rechazo ATS y una entrevista [14].