一、滅活疫苗相對於mRNA疫苗的全面劣勢

歡迎“無雲夜空”網友參加討論。你提供的論文¹很有意思，在我看來，其要點如下：

1）此前多個團隊的研究表明，用滅活疫苗接種，不僅其引出的中和抗體的水平比mRNA 疫苗低 10 倍，而且下降速度更快，在接種3 個月後就顯著減弱^2-6。相比之下，mRNA 疫苗引出的抗體至少能在高水平持續 6 個月^7-13。

2）反映到臨床療效上，滅活疫苗對德爾塔變異株的感染和重症的保護作用比mRNA疫苗的低¹³。一個比較9種 COVID-19 疫苗臨床療效的元分析表明，mRNA疫苗在各種不同疫苗中保護作用最強¹⁴。

3）作者自己做的實驗表明，滅活疫苗接種引出來的細胞因子的水平比mRNA疫苗的水平低。而且，第三劑加強針毫無作用。這與前人的發現一致。

4）作者發現，滅活疫苗能誘導出CD4+ T細胞，但不能誘導出CD8+ T細胞，提示滅活疫苗不能引出細胞免疫，這也與前人的發現一致。

順便解釋一下，狹義的細胞免疫，指的是激活了的CD8+ T細胞對抗原的直接殺傷及其釋放細胞因子的協同殺傷。作者的實驗表明，滅活疫苗只能引出輔助T細胞，增加IFN-γ與IL-2的分泌。此類反應並不能殺傷為病毒感染的細胞，只能幫助活化B細胞，屬於體液免疫反應。

5）但是，作者發現，雖然滅活疫苗誘導出來的針對病毒棘突蛋白的T細胞反應比mRNA疫苗低，但它能引出針對病毒的膜與核蛋白（membrane- and nucleoprotein）的T細胞反應。作者因而認為，綜合來看，滅活疫苗引出的總體反應與mRNA疫苗相當（comparable）。

對此觀點，本人不敢苟同。新冠病毒的基因組裡含有四種蛋白編碼：

其中棘突蛋白負責與宿主細胞表面蛋白結合。因此，只有針對它的抗體，才是阻斷病毒進入宿主細胞的中和抗體。針對其他兩種膜表面蛋白的抗體無法阻斷病毒進入細胞，不是中和抗體，而針對處於膜內的核蛋白的抗體根本就無法與病毒結合，因此都起不到保護作用。相反，所謂抗體依賴性增強作用（Antibody-dependent enhancement，ADE）正是非中和抗體引出來的。這類抗體與病毒結合後非但不能中和之，反而會與免疫細胞的Fc受體結合，幫助病毒進入並破壞免疫細胞；是預防接種可能遇到的最大噩夢。

當然，若是滅活疫苗能激活CD8+ T細胞，形成細胞毒細胞，就能殺死感染了病毒的細胞。不幸的是，作者自己的實驗表明，滅活疫苗只能誘導出CD4+ T細胞，不能誘導出CD8+ T細胞。所以，個人認為，滅活疫苗誘導出來的針對病毒膜蛋白與核蛋白的抗體非但起不到保護作用，反而有引出抗體依賴性增強作用的隱患。。

二、饒毅該當何罪？

滅活疫苗的真實效果如何，已經由放開後的中國的億萬民眾的親身經歷生動演示了。人類歷史上還從未有過如此大規模的疫苗試驗，樣本無比之大，結果比什麼都有說服力。

1月9日，河南省衛健委介紹，截至2023年1月6日，全省新冠病毒感染率為89.0%。請注意，這個比例不是偶然的，是毫無免疫力的易感人群遭遇病毒的必然結果。

我已經在《饒毅文章中的基礎知識缺陷》（點此查看原文）介紹過：即使對沒有免疫力的群體來說，病毒的傳播也不是無限的，而是到了一定的比例就自動停止了。這個比例由病毒的基本傳染數（R₀）決定。奧密克戎的R₀值為9.5。即使對於沒有免疫力、而且不作隔離和防護的群體，它在感染了89.5%的人口後，傳播也會自動停止。

如今河南在不到一個月的時間裡，感染率就達到了89%，接近或等於奧密克戎能感染的最大人口比例。這說明，河南全省人民對奧密克戎根本沒有免疫力。當病毒入侵時，全省人民都在裸奔。如果89%與89.5%有統計學差別，那0.5%的區別也是個人隔離或防護造成的。如果沒有統計學差別，則病毒感染率已經到達其天然峰值。官方總算是實現了“應陽盡陽”的偉大目標。

河南如此，其他省也只會如此，因為全民打的都是一樣的無效疫苗。所以，全國最終感染率為89%左右的估計，符合流行病學預期。

全國感染89%，總數就是14億X 0.89 ＝12.46億人。據國家衛健委於1月8日披露，新冠肺炎在全國感染者中占8%。肺炎患者總人數就是12.46億 X 0.08＝9968萬人，將近1億人害上肺炎！

饒毅先生，你不是拼命推銷滅活疫苗，以種種莫須有的弱智理由反對引入mRNA疫苗嗎？如今接種了你推銷的疫苗的億萬民眾的感染比例與從未接種過的人群一樣，製造出了將近1億肺炎病人，你該當何罪？！

最令人憂心忡忡的還是死亡率的問題。在這個問題上，國家衛健委登上了無恥的最高最活的頂峰。全面放開滿月那天，國家衛健委日前發布新冠疫情數據說，全國放開一個月，共確診12萬，累計死亡30例。也就是每天平均死一人！

這個數據之奇葩，倒還不在於它侮辱全國人民的智商到了如此肆無忌憚的地步，而是那無與倫比的權力的傲慢：真理永遠掌握在權勢者的手上，我說是多少就是多少，你們能拿我怎麼樣？

所以，對草民來說，真實的死亡數據就像大饑荒死人數量一樣，大概永遠無法得知。草民可做的，也就是從官員不小心露出來的數據中，推算死亡人數。具體來說，那就是這9968萬肺炎病人中會有多少人病故。

如果按美國重症死亡率5%計算，那就會有498.4萬人喪生。但萬惡美帝的人均ICU床位數，別說中國望塵莫及，就連歐洲都沒法比。

更何況無論是在歐洲還是美國，感染高峰都是分散到兩三年內，分幾波發生的，從未見過一個月內就陽了89%，不但造成空前的醫療資源擠兌，就連醫護人員都基本陽了。這在西方還真沒聽說過。醫療資源擠兌，醫護人員帶病上崗或缺勤，必然導致許多本來可以救回來的病人因顧不上搶救而喪生。

如今不但各種藥物緊缺，就連血液都緊缺，因為獻血者都陽了，醫院不敢抽，病人不敢獻。而缺乏Paxlovid治療必然大幅增加危重症。據美國之音1月10日報道，輝瑞公司向中方的報價為每個療程1890元人民幣，折合美元不到300元，遠遠低於美國、台灣、香港和歐洲國家支付的500至700美元的採購價。

眾所周知，在美國、台灣、香港和歐洲國家，相關的採購費用基本由政府支付，國民無需自己付費，或只需付極少費用。而中國政府卻嫌貴，拒絕將其納入醫保，只採購了據說是高毒無效的阿茲夫定和中成藥清肺排毒顆粒。在這一系列騷操作之下，還能指望病死率低到美國的水平嗎？

當然，中國有一樣寶貝西方沒有，那就是中醫中藥。希望清肺排毒顆粒與著名的連花清瘟一樣，能創造奇蹟，大幅度降低死亡率。至於因新冠病毒感染引起的腦卒中、心梗等等，那按中國政府的算法，當然不是死於新冠感染，連數字都不能算。

參考文獻：

1.  Joey Ming Er Lim et al.A comparative characterization of SARS-CoV-2-specific T cells induced by mRNA or inactive virus COVID-19 vaccines. Cell Rep Med. 2022 Nov 15; 3(11): 100793.

 2. Jeewandara C., Aberathna I.S., Pushpakumara P.D., Kamaladasa A., Guruge D., Wijesinghe A., Gunasekera B., Ramu S.T., Kuruppu H., Ranasinghe T., et al. Persistence of immune responses to the Sinopharm/BBIBP-CorV vaccine. Immun. Inflamm. Dis. 2021;10

 3. Peng Q., Zhou R., Wang Y., Zhao M., Liu N., Li S., Huang H., Yang D., Au K.K., Wang H., et al. Waning immune responses against SARS-CoV-2 variants of concern among vaccinees in Hong Kong. EBioMedicine. 2022;77:103904.

4.  Zeng G., Wu Q., Pan H., Li M., Yang J., Wang L., Wu Z., Jiang D., Deng X., Chu K., et al. Immunogenicity and safety of a third dose of CoronaVac, and immune persistence of a two-dose schedule, in healthy adults: interim results from two single-centre, double-blind, randomised, placebo-controlled phase 2 clinical trials. Lancet Infect. Dis. 2022;22:483–495.,

 5.  Zhang H., Jia Y., Ji Y., Cong X., Liu Y., Yang R., Kong X., Shi Y., Zhu L., Wang Z., et al. Inactivated vaccines against SARS-CoV-2: neutralizing antibody titers in vaccine recipients. Front. Microbiol. 2022;13:816778. 

 6.  Lim W.W., Mak L., Leung G.M., Cowling B.J., Peiris M. Comparative immunogenicity of mRNA and inactivated vaccines against COVID-19. Lancet. Microbe. 2021;2:e423.

  7. Tarke A., Coelho C.H., Zhang Z., Dan J.M., Yu E.D., Methot N., Bloom N.I., Goodwin B., Phillips E., Mallal S., et al. SARS-CoV-2 vaccination induces immunological T cell memory able to cross-recognize variants from Alpha to Omicron. Cell. 2022;185:847–859.e11.

 8. Goel R.R., Painter M.M., Apostolidis S.A., Mathew D., Meng W., Rosenfeld A.M., Lundgreen K.A., Reynaldi A., Khoury D.S., Pattekar A., et al. mRNA vaccines induce durable immune memory to SARS-CoV-2 and variants of concern. Science. 2021;374:abm0829.

 9. Guerrera G., Picozza M., D'Orso S., Placido R., Pirronello M., Verdiani A., Termine A., Fabrizio C., Giannessi F., Sambucci M., et al. BNT162b2 vaccination induces durable SARS-CoV-2-specific T cells with a stem cell memory phenotype. Sci. Immunol. 2021;6:eabl5344.

 10. Doria-Rose N., Suthar M.S., Makowski M., O'Connell S., McDermott A.B., Flach B., Ledgerwood J.E., Mascola J.R., Graham B.S., Lin B.C., et al. Antibody persistence through 6 Months after the second dose of mRNA-1273 vaccine for covid-19. N. Engl. J. Med. 2021;384:2259–2261.

 11. Pegu A., O'Connell S.E., Schmidt S.D., O'Dell S., Talana C.A., Lai L., Albert J., Anderson E., Bennett H., Corbett K.S., et al. Durability of mRNA-1273 vaccine-induced antibodies against SARS-CoV-2 variants. Science. 2021;373:1372–1377.

 12. Terpos E., Karalis V., Ntanasis-Stathopoulos I., Evangelakou Z., Gavriatopoulou M., Manola M.S., Malandrakis P., Gianniou D.D., Kastritis E., Trougakos I.P., Dimopoulos M.A. Comparison of neutralizing antibody responses at 6 Months post vaccination with BNT162b2 and AZD1222. Biomedicines. 2022;10:338.

 13. Premikha M., Chiew C.J., Wei W.E., Leo Y.S., Ong B., Lye D.C., Lee V.J., Tan K.B. Comparative effectiveness of mRNA and inactivated whole virus vaccines against COVID-19 infection and severe disease in Singapore. Clin. Infect. Dis. 2022;12:ciac288.

 14. Victoria Rotshild et al. Comparing the clinical efficacy of COVID-19 vaccines: a systematic review and network meta-analysis. Sci Rep. 2021; 11: 22777.