Mejorar la precisión de las predicciones de rasgos económicamente importantes en la selección genómica (SG) es un objetivo principal para investigadores y criadores en la industria ganadera. Este estudio tiene como objetivo utilizar SNPs y QTLs potencialmente funcionales identificados con varios modelos de estudios de asociación del genoma completo (GWAS) en la SG de rasgos de crecimiento en cerdos. Utilizamos tres métodos GWAS bien establecidos, incluyendo el modelo lineal mixto, el modelo bayesiano y el meta-análisis, así como datos de un chip SNP de 60K y secuencias de genoma completo (WGS) de 1734 cerdos Yorkshire y 1123 cerdos Landrace para detectar SNPs relacionados con cuatro rasgos de crecimiento: ganancia diaria promedio, grosor de grasa dorsal, peso corporal y peso al nacer. Se identificaron un total de 1485 loci significativos y 24 genes candidatos que están involucrados en el desarrollo del músculo esquelético, la deposición de grasa, el metabolismo de lípidos y la resistencia a la insulina. En comparación con el uso de todos los datos del chip SNP, la SG con los SNPs funcionales preseleccionados en la predicción lineal no sesgada mejorada genómica estándar (GBLUP), y un modelo GBLUP basado en dos núcleos, produjo ganancias promedio en precisión del 4 al 46% (de 0.19 +/- 0.07 a 0.56 +/- 0.07) y del 5 al 27% (de 0.16 +/- 0.06 a 0.57 +/- 0.05) para los cuatro rasgos, respectivamente, lo que sugiere que la priorización de marcadores funcionales preseleccionados en los modelos de SG tiene el potencial de mejorar las precisiones de predicción para ciertos rasgos en la cría de ganado.