La resistencia a la pudrición de la espiga por Fusarium (FHB) se hereda de manera cuantitativa, controlada por múltiples genes de efecto menor, y se ve altamente afectada por la interacción entre el genotipo y el ambiente. Esto hace que la selección genómica (GS), que utiliza datos de marcadores moleculares a nivel del genoma para predecir el valor genético de cría, sea un enfoque prometedor para seleccionar líneas superiores con mejor resistencia. Sin embargo, varios factores pueden afectar la precisión de la GS y una mejor comprensión de cómo estos factores afectan la precisión de la GS podría asegurar el éxito de la aplicación de la GS para mejorar la resistencia al FHB en el trigo. En este estudio, realizamos una evaluación integral de los factores que afectan la precisión de la GS con una población multiparental diseñada para la resistencia al FHB. Encontramos que tamaños de muestra más grandes podían obtener mejores precisiones. La población de entrenamiento diseñada por algoritmos de optimización basados en CDmean aumentó significativamente las precisiones en comparación con el enfoque de muestreo aleatorio, mientras que la media de la varianza del error del predictor (PEVmean) tuvo el peor rendimiento. Diferentes modelos de selección genómica tuvieron un rendimiento similar en cuanto a precisiones. Incluir loci de rasgos cuantitativos (QTL) de gran efecto previamente conocidos como efecto fijo en el modelo de GS mejoró considerablemente la predictibilidad. Los modelos de múltiples rasgos tuvieron casi ningún efecto, mientras que el modelo de múltiples ambientes superó al modelo de un solo ambiente para la predicción en diferentes entornos. Al comparar la predicción dentro y entre familias, se obtuvieron mejores precisiones con la población de entrenamiento más estrechamente relacionada con la población de prueba. Sin embargo, lograr buenas precisiones para la predicción de GS entre poblaciones sigue siendo un problema desafiante para la aplicación de la GS.