我们可能不会考虑，但是一个人威胁另一个人是很平常的事情。我们很多人也受到威胁。但是，科学并不知道如何检索这种消极的社会互动的记忆。换句话说，存在一个长期存在的问题–观察社会威胁交互作用并从内存中检索出它们之间是否存在一种机制。现在，理研脑科学研究所的研究已经回答了这个问题–实际上，存在一个复杂的神经网络结构来解决这一问题。

科学家在猴子中使用了大规模的神经记录和大数据分析，以使人们对记忆和威胁社交互动的记忆有了初步的了解。它帮助他们回答了困扰科学界相当长一段时间的问题–是否可以通过相同的神经途径形成并回忆起所观察到的社会遭遇的记忆。

研究人员使用覆盖在猴子皮层上的128通道大型记录阵列来记录电活动，而受试者则观看了一只猴子威胁另一只猴子的视频。为了在对威胁性和非威胁性相互作用的反应之间建立区别，科学家向对照组显示了非威胁性相互作用。

使用大数据分析技术分析了实验期间记录的数据，以计算称为ERC(事件相关因果关系)的多维值。在猴子观看视频的过程中，ERC用于记录大脑活动在时间，空间和大脑区域之间的交流方向方面的持续演变。

收集数据时，对ERC进行了分解，以识别网络活动的热点。这些热点，被研究团队称为“模块”，在观察到的社会威胁互动中指出了特定的时期。尽管这项研究的方法非常复杂，很难向普通公众解释，但结果却很有趣。

这些所谓的模块表明，大脑网络中以前所未有的分辨率提供了丰富的动态信息流。这些模块之一用于编码观察到的社交互动的记忆形成。它揭示了从感官知觉区域到更高的大脑结构的信息流。

当向动物展示在最初的威胁遭遇中观察到的线索时，而在看不见威胁猴子的情况下，研究表明，在这种情况下，相同的网络也可以工作，但通信流却相反。这表明使用相同的网络来感知和回想威胁性的社会互动。

研究的这些结果非常重要，因为它们使科学家能够研究认知过程(例如观察他人的行为)的大脑网络结构。研究中使用的复杂方法可以用于调查其他需要进行心理处理的情况。

该结果对于大型联邦大脑项目(包括US BRAIN计划和EU Human Brain Project)对大脑活动的映射也具有重要意义，因为该研究表明，测量大脑活动的技术不应仅旨在监视大量的神经元，而应仅针对于监视大量神经元。也可以用来研究他们的网络通信结构。但是，研究人员没有说明下一步的研究方向，以及是否可以使用相同的技术来分析人类的社交互动和对其的记忆。