The Critical Assessment of Metagenome Interpretation (CAMI) community initiative presents results from its first challenge, a rigorous benchmarking of software for metagenome assembly, binning and taxonomic profiling. Methods for assembly, taxonomic profiling and binning are key to interpreting metagenome data, but a lack of consensus about benchmarking complicates performance assessment. The Critical Assessment of Metagenome Interpretation (CAMI) challenge has engaged the global developer community to benchmark their programs on highly complex and realistic data sets, generated from ∼700 newly sequenced microorganisms and ∼600 novel viruses and plasmids and representing common experimental setups. Assembly and genome binning programs performed well for species represented by individual genomes but were substantially affected by the presence of related strains. Taxonomic profiling and binning programs were proficient at high taxonomic ranks, with a notable performance decrease below family level. Parameter settings markedly affected performance, underscoring their importance for program reproducibility. The CAMI results highlight current challenges but also provide a roadmap for software selection to answer specific research questions.

Abstract In metagenome analysis, computational methods for assembly, taxonomic profiling and binning are key components facilitating downstream biological data interpretation. However, a lack of consensus about benchmarking datasets and evaluation metrics complicates proper performance assessment. The Critical Assessment of Metagenome Interpretation (CAMI) challenge has engaged the global developer community to benchmark their programs on datasets of unprecedented complexity and realism. Benchmark metagenomes were generated from ~700 newly sequenced microorganisms and ~600 novel viruses and plasmids, including genomes with varying degrees of relatedness to each other and to publicly available ones and representing common experimental setups. Across all datasets, assembly and genome binning programs performed well for species represented by individual genomes, while performance was substantially affected by the presence of related strains. Taxonomic profiling and binning programs were proficient at high taxonomic ranks, with a notable performance decrease below the family level. Parameter settings substantially impacted performances, underscoring the importance of program reproducibility. While highlighting current challenges in computational metagenomics, the CAMI results provide a roadmap for software selection to answer specific research questions.

About 1 in 10 rooftop solar photovoltaic (PV) customers who sign a contract to install a PV system cancel their contract before the system is installed. Although some cancelation risk is inherent in the solar industry, there may be ways to reduce cancelation volume, such as reducing project delays. Delays can occur at each stage of PV adoption processes, which take several weeks to months from contract signature to system operation. Using data from a recent survey of PV installers, we explore the factors that explain PV project delays and cancelations. The survey data suggest that PV adoptions take about 16 weeks, on average, from contract signature until system operation. Survey respondents consistently identified permitting, inspection, and interconnection (PII) processes as key drivers of project delays. Most respondents then suggested these PII-related delays increase contract cancelations. However, larger-scale installers report higher cancelation rates, and these installers rank changes in customer financial situations higher than PII-related delays as the main cause for cancelations. Most respondents also reported avoiding jurisdictions with particularly onerous PII requirements or charging more in these jurisdictions. On balance, the results provide a rationale for measures to streamline PII processes to reduce delays and potentially mitigate cancelation risk.