我们将在这个实验室里研究 DNA，所以让我们介绍一些我们将使用的术语。
一个 DNA 分子或链是一个被称为碱基或核苷酸（这些都是同义词）的分子单元序列。有四
种类型，分别表示 A（腺嘌呤）、C（胞嘧啶）、G（鸟嘌呤）和 T（胸腺嘧啶）。我们熟悉
的人类 DNA 双螺旋分子的每条链都包含大约 30 亿个这样的核苷酸。双螺旋中有两条 DNA
链，每一条都是另一条的互补副本：一条链上的 "A "总是与另一条链上的 "T "配对，而 "C
"总是与 "G "配对。有时我们称这些为碱基对。因为如果我们有另一条链的序列，重建一条
链的碱基序列是微不足道的，所以我们真的只需要研究一条链就能了解 DNA 的某一特定部
分的作用。
在我们的遗传密码中，DNA 的三个核苷酸（即三个 "字母"）构成一个密码子，并指定一个
氨基酸。有 20 种常见的氨基酸类型。一个蛋白质分子只不过是一长串的氨基酸。氨基酸决
定了蛋白质的形状，从而决定了它在制造蛋白质的细胞中的功能。与蛋白质相比，DNA 不
会迅速磨损。这使得 DNA 很适合在细胞中进行数据存储。DNA 本质上是一种生物数据结构。
下表 2.1 中的每个条目都列出了一个密码子--代表 DNA 核苷酸的三个大写字母，以及一个氨
基酸或 "停止 "一词。例如，TCT 指的是氨基酸丝氨酸。停止密码子，即 TAA、TAG 和 TGA，
告诉细胞的翻译机器已经到达了基因的终点。请注意，一个以上的密码子可以指定同一个氨
基酸，因此一个以上的 DNA 序列可以指定同一个蛋白质。例如，蛋氨酸-异亮氨酸-苯丙氨酸
-天冬氨酸-甘氨酸的蛋白质片段由 ATGATCTTTGACGGG 编码，也可以由 ATGATTTTTGATGGT 编
码。
现在假设我们有一部分 DNA，我们希望找出它所编码的蛋白质。由于我们不知道我们是否
有 DNA 序列的开头，而且我们很可能有中间某个地方的一块，我们不知道从哪里开始读。
哪个碱基对是第一个碱基对？我们从哪一端开始读？该片段是在一个密码子的边界正确开
始，还是从一个缺失的密码子的最后一个或两个单位开始？正如你所想象的，选择在哪里开
始翻译和在哪里停止是很重要的（我们已经知道在哪里停止，因为有 "停止代码"，TAA，TAG
和 TGA）。
可以用到的函数
#include <string.h>
char * strncat(char * s1, const char * s2, size_t n)。
strncat()函数将不超过 n 个字节（一个空字节和它后面的任何字节不被追加）从 s2 指向的字
符串追加到 s1 指向的字符串的结尾。s2 的初始字节覆盖了 s1 末尾的空字节。一个结束的空
字节总是被附加到结果中。strncat()函数返回 s1。
char * strdup(const char * s1);
strdup()函数复制 s1 所指向的字符串，并返回一个指向新字符串的指针。返回的指针可以被
传递给 free()。如果不能创建新的字符串，则返回一个空指针。strdup()函数在成功时返回一
个指向新字符串的指针。[注意：Visual Studio 编译器可能会抱怨 strdup()函数的问题。如果
是这样，请尝试用微软的版本_strdup 来代替它。]
size_t strlen(const char * s)。
strlen()函数计算并返回 s 所指向的字符串中的字节数，不包括结束的空字节。
int strncmp(const char * s1, const char * s2, size_t n);
strncmp()函数对 s1 指向的字符串和 s2 指向的字符串进行不超过 n 个字节的比较（空字节之
后的字节不作比较）。成功完成后，如果 s1 指向的可能为空的字符串大于、等于或小于 s2
指向的可能为空的字符串，strncmp()返回一个大于、等于或小于 0 的整数。
char * strncpy(char * s1, const char * s2, size_t n)。
strncpy()函数将不超过 n 个字节（空字节之后的字节不被复制）从 s2 所指向的字符串复制到
s1 所指向的字符串。如果 s2 所指向的字符串短于 n 个字节，空字节将被追加到 s1 所指向的
字符串中的副本中，直到全部写完 n 个字节。strncpy()函数返回 s1。
char * strstr(const char * s1, const char * s2)。
strstr()函数在 s1 所指向的字节序列中找到 s2 所指向的字节序列的第一次出现（不包括结束
的空字节）。成功完成后，strstr()返回一个指向所定位子串的指针，如果没有找到该字符串，
则返回一个空指针。如果 s2 指向一个零长度的字符串，该函数返回 s1。
在 MacLeod 的二楼实验室里发现了一滴血，一个不可替代的古董示波器丢失。加拿大皇家
骑警到达后发现没有人受伤。他们从这滴血中提取了部分 DNA 样本，并将其带到校园实验
室。
你和你的伙伴在校外喝咖啡，阅读唐纳德 -克努斯的《计算机编程的艺术》，并关注
stackoverflow.com（链接到外部网站。），这时你的电话响了。来电者是你的一个朋友，她
在校园实验室为皇家骑警工作，她很苦恼。一个实习生正在给什么东西编码，发生了一场名
副其实的灾难，她喘着气说。她告诉你，这个实习生去年选修了 CPSC 259，并决定重写实验
室的 DNA 匹配程序，而这个程序恰好是用 C 语言编写的。通常随叫随到处理这种电脑事情
的实验室助理正在休假，无法联系上。你的朋友提到了你的名字，加拿大皇家骑警希望尽快
完成初步分析。
在商店门口迎接你的皇家骑警巡逻车将你带到实验室。一旦你到了那里，你就坐在其中一台
电脑前，评估一下。可执行文件不见了，但你找到了法医技术人员用来编写程序的旧的迭代
框架。你还了解到，DNA 已经被分析了，结果被编码为一串代表核苷酸片段的字符。加拿
大皇家骑警有一些可能的嫌疑人在过去也提供过 DNA，他们的候选样本也在同一个文件中。
你和你的伙伴松了一口气，因为你意识到用于匹配样本的算法非常简单，你把你的任务分解
如下。
在这里下载我们为你创建的框架 在这里下载。. 解压缩该文件夹。这是一个部分实现的
Visual Studio 2019 项目。你需要实现的代码在文件 dna.c 中。你需要完成的唯一代码是在
analyze_segments 和 calculate_scores 函数中。
由于这是该程序的早期迭代，它非常简单，只有一个命令行界面。没有 GUI，即图形用户界
面。
你的程序一开始就为用户提供了一个菜单。菜单的选择是。1. 载入文件，2.进行分析，3.
退出。用户必须输入他们选择的数字。其他的都会被忽略，而菜单会再次提供。你没有责任
知道菜单代码是如何工作的，但是如果你有兴趣，可以看一看
一、
如果用户选择了 1，你的程序会要求用户提供 DNA 数据文件的名称，然后尝试打开该文件
并将其内容复制到一些动态分配的内存中。如果程序不能打开该文件，它将打印一个适当的
信息并返回主菜单。[注意，我们在本项目的资源文件夹中为你提供了 3 个测试文件：
long_sample.txt、short_sample.txt 和 perfect_match.txt。为了帮助你确定你的实现的正确性，
还提供了每个文件的正确输出结果] 。
DNA 数据文件将始终与我们在这里描述的完全一样。该文件将永远不会由其他东西组成。
我们提供了打开该文件并将其复制到动态存储器的代码。该文件包含一个样本段和一个或多
个候选段，候选段的长度至少与样本段相同。候选段不会比样本段短。所有的段都以字符串
的形式存储，以换行符结束。你可以不对样本的长度做任何假设。它可能有数百万个字符长。
候选片段的长度总是等于或长于在犯罪现场采集的样本，绝不会短于
二、如果用户选择 3，程序执行结束（我们已经为你写好了这个）。
三、如果用户选择了 2，而一个文件还没有被打开并复制到堆中，则什么也不会发生。 菜
单会再次询问用户要做什么（我们已经为你写好了）。
四、如果用户选择了 2，而一个文件已经被打开并复制到了堆中，程序会立即开始分析（你
需要写出这样的代码）。
1.寻找样本和每个候选序列之间的完全匹配。 测试每个候选序列。 在测试完全匹配时，你
必须测试样本的整个长度，甚至任何尾随的核苷酸。当一个样本和一个候选序列的长度完全
相同并且包含完全相同的字符时，就是完全匹配。每当你的程序找到一个完全匹配，它必须
向标准输出打印一条信息，说明哪个（些）候选序列是一个完全匹配。
其中 XXX，和 YYY 是根据它们在文本文件中提供的候选人名单（当然不包括样本）中的顺序
确定的。如果有一个或多个完美匹配，在你为每个完美匹配打印这个完美匹配信息后，你不
需要再打印其他东西或计算其他分数，你的程序应该返回菜单。
2.如果没有完全匹配，那么必须为每个样本-候选人对找到一个最佳匹配。程序必须给每个
候选人打分。
(1)每个分数从 0 开始。
(2)让 LENGTH 成为样本中密码子（3 个核苷酸组成的组）的数量（记住，样本的长度总是相
等的，或者比候选者短）。忽略样本中任何尾随的核苷酸（可能有 1 或 2 个，但不能多）。
换句话说，如果（样本长度%3）不等于零，我们就忽略样本中（样本长度%3）的最后一个
核苷酸。[%是模数运算符。3 % 3 = 0; 4 % 3 = 1; 7 % 3 = 1; 8 % 3 = 2.
(3)对于每个 LENGTH 密码子，如果两个密码子（样本和候选）完全相同，则在分数上加 10。
否则，如果这两个密码子不同，但指定了相同的氨基酸，则在得分上加 5 分。
(4)对于你刚才比较的每一个 LENGTH 密码子，如果它们不完全相同，就是说你刚才没有加
10 分，而且它们没有指定相同的氨基酸，就是说你刚才也没有加 5 分，你必须分别检查密
码子的 3 个核苷酸。对于密码子中的 3 个核苷酸中的每一个，如果样本和候选者中的字符是
相同的，就在分数上加 2。如果这 2 个字符属于一个匹配的碱基对（A 和 T，或 C 和 G），
则得分加 1。否则，在得分上加 0。储存结果。
(5)由于候选基因总是比样本长，在你检查了第一个长度的密码子之后，你必须将样本沿着
候选基因的长度移动 1 个密码子（也就是 3 个核苷酸，也就是 3 个字母），然后检查这个新
的排列的分数（所以现在你要将样本的第一个密码子，或者 3 个字母，与候选基因的第二个
密码子（字母 4、5、6）对齐，或者使用 1 的密码子偏移）。储存分数，然后再做一次，例
如，使用 2 的密码子偏移量。 不断地将样本深入到候选的密码子中，一次一个密码子，检
查分数，直到它不再适合。(记住要忽略尾随的核苷酸）。) 一旦样本超出了候选者的长度，
你的程序就必须停止移位和检查该候选者的分数。这个候选者的分数是所有这些结果中最高
的。下面是你对每个候选者所要做的事情的一个可视化表示。
(6)输出所有候选人的分数，每个都应该如下格式：
Candidate number XXX matches with a score of ###.