Mejorar la precisión de la predicción genómica es un objetivo clave en la investigación de selección genómica (SG). Integrar información biológica previa en los métodos de SG utilizando modelos apropiados puede mejorar la precisión de la predicción para rasgos complejos. El estudio de asociación del genoma completo (GWAS) se utiliza ampliamente para identificar posibles loci candidatos asociados con rasgos complejos en ganado y aves de corral, ofreciendo información genómica esencial. En este estudio, se realizó un GWAS en 685 cerdos Duroc x Landrace x Yorkshire (DLY) para extraer polimorfismos de un solo nucleótido (SNP) significativos como características genómicas. Comparamos dos modelos de SG, la predicción lineal mejor ajustada genómica (GBLUP) y la BLUP de características genómicas (GFBLUP), utilizando datos de secuenciación de genoma completo imputados (WGS) en 651 cerdos Yorkshire. Los resultados revelaron que el modelo GBLUP logró precisiones de predicción de 0.499 para el grosor de grasa dorsal (BFT) y 0.423 para el área del músculo del lomo (LMA). Al aplicar el modelo GFBLUP con preselección de SNP basada en GWAS, las precisiones promedio de predicción para los rasgos BFT y LMA alcanzaron 0.491 y 0.440, respectivamente. Específicamente, el modelo GFBLUP mostró una mejora del 4.8% en la predicción de LMA en comparación con el modelo GBLUP. Estos hallazgos sugieren que, en ciertos escenarios, el modelo GFBLUP puede ofrecer una precisión de predicción genómica superior en comparación con el modelo GBLUP, subrayando el valor potencial de incorporar características genómicas para refinar los modelos de SG.