在过去的20年里，宏基因组学的发展极大地增加了我们对人体和环境微生物组的了解，并促进了相关数据分析技术的发展。现如今，分析宏基因组数据的方法层出不穷，这就需要我们对这些方法进行公正和全面的评估，以方便我们为自己的数据选择和设计最佳的分析流程，得到最接近真实的研究结论。CAMI (Critical Assessment of Metagenome Interpretation) 就是为了满足以上需求而发起的大型合作研究项目。目前CAMI挑战项目的第二轮也就是CAMI 2已经结束，上百位领域内的科学家参与了评估分析来自不同环境（海洋，根系，多菌株混合，临床）的长读长和短读长复杂宏基因组数据集的方法，包括几十款宏基因组组装、分箱、序列分类、物种丰度预测、病原微生物鉴别软件。这些宏基因组数据集基于约1700个新的和已知的微生物基因组以及600个新的质粒和病毒创建。CAMI 2共分析了来自76个软件的5002个分析结果。
与第一次挑战中评估的软件相比，组装软件的性能最多提高了30%，总的来讲基于短读长的组装软件中HipMer, GATB的表型比较优秀（图1）。然而，在存在多个密切相关的菌株的情况下，组装的连续性、基因组完整度和菌株召回率都有所下降。这表明大多数组装软件，有时是故意的，没有解决菌株水平的组装，导致组装更零散，菌株特异性更差。此外，基因组覆盖率、参数设置和数据预处理影响了组装质量，而不同版本的软件性能相似。大多数提交的宏基因组组装只使用了短读长，而长读长和混合组装的总体质量并不高。但是，混合组装对于难以组装的区域，如16S rRNA基因，比大多数短读长组装的更加完整。混合组装软件也较少受到样本中密切相关菌株的影响，这表明长读长有助于区分菌株。