La soja es una fuente principal de proteína de origen vegetal, con semillas que contienen aproximadamente un 40% de proteína, una característica de calidad clave. Seleccionar combinaciones híbridas superiores y gestionar la progenie de manera efectiva son cruciales para desarrollar variedades de soja de alto contenido proteico. Utilizando una población de líneas recombinantes endogámicas (RIL3613) derivada de Dongnong L13 x Heihe 36 y su mapa de enlace genético de alta densidad previamente construido, se identificaron QTLs e interacciones QTL x ambiente (QEIs) asociadas con el contenido de proteína de la semilla (SPC) a través del modelo de población biparental (BIP) y el modelo de ensayos multi-ambientales (MET) en QTL IciMapping v4.2. Los genes candidatos fueron luego predichos mediante alineación de secuencias y análisis de haplotipos entre los padres. Finalmente, se llevó a cabo un simulacro de cría utilizando la función B4L en el módulo de Cría In Silico (ISB) de la plataforma Blib para determinar estrategias de cría óptimas en diversos entornos. El análisis identificó 19 QTLs asociados con SPC y 97 QEIs vinculados a SPC. Estos QTLs explicaron colectivamente el 84.442% de la varianza fenotípica, con cuatro QTLs que mostraron contribuciones significativas. Un gen candidato clave, asociado con SPC de soja, fue predicho dentro del intervalo de 38,995,090-39,293,825 pb en el cromosoma 12. A través de 11 entornos, se seleccionaron de tres a seis esquemas de cría óptimos, todos empleando selección de pedigrí modificada. Estos hallazgos mejoran nuestra comprensión de la base genética de la formación de proteínas en la soja y proporcionan apoyo tecnológico para la cría molecular para la mejora de la calidad de las semillas.