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
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.