La selección genómica (SG) es un método de selección basado en marcadores utilizado para mejorar el avance genético de rasgos cuantitativos en la mejora de plantas. Un gran número de conjuntos de datos de mejora están disponibles en la base de datos de soja, y la aplicación de estos conjuntos de datos públicos en SG mejorará la eficiencia de la mejora y reducirá el tiempo y el costo. Sin embargo, el problema más importante que debe resolverse es cómo mejorar la capacidad de predicción entre poblaciones. Los objetivos de este estudio fueron realizar predicción genómica (PG) y estimar la capacidad de predicción (CP) para los contenidos de aceite y proteína en semillas de soja utilizando conjuntos de datos públicos disponibles para predecir poblaciones de mejora en programas de mejora actuales y en curso. En este estudio, se utilizaron seis conjuntos de datos públicos de accesiones de germoplasma de soja del USDA GRIN con datos fenotípicos disponibles de contenidos de aceite y proteína en semillas de diferentes poblaciones experimentales y sus datos genotípicos de polimorfismos de un solo nucleótido (SNPs) para realizar PG y predecir una población de mejora derivada de biparental en nuestro experimento. La CP promedio fue de 0.55 y 0.50 para los contenidos de aceite y proteína en la población biparental según la predicción dentro de la población; y 0.45 para el aceite y 0.39 para el contenido de proteína cuando se combinaron las seis poblaciones del USDA y se emplearon como conjuntos de entrenamiento para predecir la población derivada de biparental. Los resultados mostraron que cuatro poblaciones cultivadas del USDA pueden ser utilizadas como un conjunto de entrenamiento individualmente o combinadas para predecir los contenidos de aceite y proteína en SG cuando se utilizan 800 o más accesiones de germoplasma del USDA como conjunto de entrenamiento. Cuanto menor sea la distancia genética entre la población de entrenamiento y la población de prueba, mayor será la CP. La CP aumentó a medida que aumentó el tamaño de la población. En la predicción entre poblaciones, no se observó una diferencia significativa en la CP para el contenido de aceite y proteína entre diferentes modelos. La CP aumentó a medida que aumentó el número de SNP hasta que un conjunto de marcadores consistió en 10,000 SNPs. Este estudio proporciona sugerencias y métodos razonables para que los mejoradores utilicen conjuntos de datos públicos para SG. Ayudará a los mejoradores a desarrollar estrategias de mejora asistidas por SG para desarrollar cultivares de soja élite con altos contenidos de aceite y proteína.