近几十年来，单一化合物的毒性效应及其作用机制已被广泛研究，而混合物联合毒性的定量研究一直是毒理学研究的难点问题，仍处于攻坚阶段。其主要原因归结于混合物联合毒性的评价多通过动物实验完成，而动物实验费时费力，难以满足巨大的研究需求。代替传统的动物实验方法，利用定量构效关系(QSAR)模型来预测化合物的毒性效应受到全球关注。因其简便、高效的特点，有部分研究者将建立QSAR模型的方法应用于定量预测混合物联合毒性的领域中。起初，研究者只能分别建立混合物中各单一化合物的QSAR模型，再计算混合物的联合毒性。随着研究的深入，一些混合体系的整体参数与其联合毒性间的关系被构建，如可通过混合物的正辛醇/水分配系数lg Kow(mix)来预测麻醉型化合物的联合毒性。然而这些方法均基于混合物联合毒性作用方式为浓度加和(CA)的假设，即混合物中各组分均通过相同的作用机理或相同的作用位点产生毒效应，因而降低了预测模型的适用范围。除浓度加和外，联合毒性的作用方式还有独立作用(IA)，即混合物中各组分间作用位点各不相同，所产生的生物学效应互不影响，协同作用和拮抗作用。其中在前两种作用方式下，混合物中各组分间不存在相互作用，作用机制更简单。为克服现有模型的局限性，研究者们又提出了两阶段预测模型(TSP)，分步应用浓度加和机制和独立作用机制进行联合毒性的预测。也有研究者借鉴模糊数学的理论，建立了模糊整合浓度加和-独立作用模型(INFCIM)以综合考虑这两种作用机制。然而，若混合物中各组分间具有相互作用(协同或拮抗作用)，其作用机制更为复杂，难以找到合适的结构参数来建立有效的QSAR模型，相关研究报道尚不多见。在后续的研究中，可以从以下三方面进一步完善混合物联合毒性的定量预测： (1)采用代谢组学等方法，进一步揭示混合物联合毒性的作用机制，由二元混合物推至多元混合物，为研究提供理论支持；(2)应用计算化学工具，寻找其他能够表征混合物联合毒性的结构参数，构建预测模型； (3)替代多元线性回归的方法，采用神经网络、支持向量机等具有自学习功能的非线性算法计算模型。