1. 国家自然科学基金面上项目（12371287），基于高维微生物组学成分数据的新型统计方法和理论，2024-2027（主持）

2.科技部国家重点研发计划生物大分子与微生物组专项（2022YFA1305400），细胞外囊泡纳米尺度空间组学分析与实时动态监测技术的研发，2022-2027（参与）

3.美国国立健康研究院（NIH）R21项目（R21AI144765），Novel statistical methods for controlled variable selection of microbiome data，2020-2021（主持）

4.美国国家科学基金委（NSF）标准项目（DMS1953189），Collaborative Research: New Methods, Theory and Applications for Nonsmooth Manifold-Based Learning，2020-2021（共同主持）

5.美国国立健康研究院（NIH）科学中心项目（U01DK127384），Data Coordinating Center for the Type 1 Diabetes in Acute Pancreatitis Consortium (T1DAPC)，2020-2021（参与）

1. 国家自然科学基金面上项目（12371287），基于高维微生物组学成分数据的新型统计方法和理论，2024-2027（主持）

2.科技部国家重点研发计划生物大分子与微生物组专项（2022YFA1305400），细胞外囊泡纳米尺度空间组学分析与实时动态监测技术的研发，2022-2027（参与）

3.美国国立健康研究院（NIH）R21项目（R21AI144765），Novel statistical methods for controlled variable selection of microbiome data，2020-2021（主持）

4.美国国家科学基金委（NSF）标准项目（DMS1953189），Collaborative Research: New Methods, Theory and Applications for Nonsmooth Manifold-Based Learning，2020-2021（共同主持）

5.美国国立健康研究院（NIH）科学中心项目（U01DK127384），Data Coordinating Center for the Type 1 Diabetes in Acute Pancreatitis Consortium (T1DAPC)，2020-2021（参与）

1. Wang, L., Gao, S., Chen, S., Markus, H., Wang, G., Carrel, L., Zhan X*., Liu D*., Jiang, B*. (2025). Integrating axis quantitative trait loci looks beyond cell types and offers insights into brain-related traits. Nature Communications, 16, 10606

2. Yue, Y., Mao, Y., Read, T., Fedirko, V., Satten, G., Chen, X.*, Zhan, X.*, Hu, Y.* (2025). Integrative Analysis of Microbial 16S Gene and Shotgun Metagenomic Sequencing Data Improves Statistical Efficiency in Testing Differential Abundance. Journal of the American Statistical Association, 120, 2102-2117.

3. Jiang, R.,Zhan, X.*，Wang, T.*(2023). A flexible zero-inflated poisson-gamma model with application to microbiome sequence count data. Journal of the American Statistical Association, 118, 792-804.

4. Rios, N., Xue, L., Zhan, X.* (2024). A latent variable mixture model for composition-on-composition regression with application to chemical recycling. Annals of Applied Statistics, 18, 3253-3273.

5. Srinivasan, A., Xue, L.*, Zhan, X.* (2021). Compositional knockoff filter for high-dimensional regression analysis of microbiome data. Biometrics, 77, 984-995.

6. Zhan, X*., Plantinga, A., Zhao, N., Wu, M.* (2017). A fast small-sample kernel independence test for microbiome community-level association analysis. Biometrics, 73, 1453-1463.

7. Deng, Y., Wang, R., Zhang, T.*，Zhan, X*. (2026). Randomized interventional effects in semicompeting risks, with application to a hematopoietic cell transplantation study Statistics in Medicine, in press.

8. Mao, Y., Jiang, Z., Wang, T., Hu, Y*., Zhan, X.* (2025).TCVS: tree-guided compositional variable selection analysis of microbiome data. Bioinformatics, 41, btaf617.

9. Rios, N., Shi, Y., Chen, J., Zhan, X.*, Xue, L*., Li, Q.*(2025). Composition-on-composition regression analysis for multi-omics integration of metagenomic data. Bioinformatics, 41, btaf387.

10. Wang, T., Ling, W., Plantinga, A. M., Wu, M., Zhan, X.*(2022). Testing microbiome association using integrated quantile regression models. Bioinformatics, 38, 419-425.