Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation

Identification

Clé publique
radar:r-bdbd89c42a50c1180863fc951c7211a1
Auteurs
Sara Razzak · Yassine Mouniane · Imane Aitouhanni · Chaima Sabri · Malak Zirari · Hiba Benchehida · Mohamed El Bakkali · Youness Taboz
Année déclarée
2026
Langue déclarée
ng
Type source
book-chapter
Première détection
2026-11-14T02:46:09.295913+00:00
Dernière observation des métadonnées
2026-11-14T02:46:09.295913+00:00
Dernière vérification HTTP
Non effectuée

Institutions déclarées par la source

Université Ibn-Tofail · Mohammed V University · Instituts Supérieurs des Professions Infirmières et Techniques de Santé

Pays d’affiliation déclarés

MA

Résumé documentaire — langue originale

This chapter presents a data-driven framework for predicting the extraction yield of bioactive compounds from Opuntia ficus-indica cladodes using machine learning techniques. Plant materials were collected from three geographically distinct Moroccan provinces and subjected to chemical extraction using solvents of varying polarity. A Random Forest regression model was developed using solvent type, province of origin, and quantified phytochemical content as input variables. The model demonstrated high predictive accuracy (R2 ≈ 0.99), with solvent type emerging as the most influential factor, followed by flavonoid and flavonol concentrations. The findings underscore the potential of predictive modeling to optimize experimental design, reduce resource consumption, and guide solvent and region selection in phytochemical research. This chapter provides insights into how supervised learning algorithms can be effectively applied to natural product data to support green extraction processes and enhance reproducibility in phytochemical workflows.

Identifiants

OPENALEX
https://openalex.org/W7133552072
DOI
10.4018/979-8-3373-6058-4.ch010

Repères documentaires

Famille documentaire
Chapitre d’ouvrage
Types déclarés par les sources
book-chapter
Éditeurs
IGI Global

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Description bibliographique du livre

Éditeur
IGI Global
Date de publication déclarée
2026-03-04

Disponibilité non établie

Sources

OpenAlex · Document 1

Citer cette référence

Sara Razzak; Yassine Mouniane; Imane Aitouhanni; Chaima Sabri; Malak Zirari; Hiba Benchehida; Mohamed El Bakkali; Youness Taboz. Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation. 2026. IGI Global. https://doi.org/10.4018/979-8-3373-6058-4.ch010

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Sara Razzak; Yassine Mouniane; Imane Aitouhanni; Chaima Sabri; Malak Zirari; Hiba Benchehida; Mohamed El Bakkali; Youness Taboz. (2026). Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation. IGI Global. https://doi.org/10.4018/979-8-3373-6058-4.ch010
Chicago
Sara Razzak; Yassine Mouniane; Imane Aitouhanni; Chaima Sabri; Malak Zirari; Hiba Benchehida; Mohamed El Bakkali; Youness Taboz. Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation. IGI Global. 2026. https://doi.org/10.4018/979-8-3373-6058-4.ch010
ISO 690
Sara Razzak; Yassine Mouniane; Imane Aitouhanni; Chaima Sabri; Malak Zirari; Hiba Benchehida; Mohamed El Bakkali; Youness Taboz. Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation. 2026. IGI Global. https://doi.org/10.4018/979-8-3373-6058-4.ch010

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Predictive Analytics in Phytochemistry: Modeling Extraction Yields From Opuntia ficus-indica via Solvent Polarity and Regional Variation. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-bdbd89c42a50c1180863fc951c7211a1/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://doi.org/10.4018/979-8-3373-6058-4.ch010

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature